Spark：你能在输出文件中包含分区列吗？

Posted 2023-04-17

技术标签:

【中文标题】Spark：你能在输出文件中包含分区列吗？【英文标题】：Spark: can you include partition columns in output files? 【发布时间】：2018-01-10 14:54:39 【问题描述】：

我正在使用 Spark 将数据写入分区。给定一个包含两列 (foo, bar) 的数据集，如果我这样做 df.write.mode("overwrite").format("csv").partitionBy("foo").save("/tmp/output")，我会得到一个输出

/tmp/output/foo=1/X.csv
/tmp/output/foo=2/Y.csv
...

但是，输出 CSV 文件仅包含 bar 的值，而不包含 foo。我知道foo 的值已经在目录名称foo=N 中捕获，但是否可以在CSV 文件中也包含foo 的值？

【问题讨论】：

【参考方案1】：

仅当您使用不同的名称制作副本时：

(df
    .withColumn("foo_", col("foo"))
    .write.mode("overwrite")
    .format("csv").partitionBy("foo_").save("/tmp/output"))

【讨论】：

以上是关于Spark：你能在输出文件中包含分区列吗？的主要内容，如果未能解决你的问题，请参考以下文章