sparksql parquet 分区推断Partition Discovery

网上找的大部分资料都很旧,最后翻了下文档只找到了说明java

大概意思是1.6以后若是想要使用分区推断就要设置数据源的basePath,所以代码以下sql

javasession

 1 public class ParitionInfer {  2     private static SparkConf conf = new SparkConf().setAppName("partitioninfer");  3     private static JavaSparkContext jsc = new JavaSparkContext(conf);  4     private static SparkSession session = new SparkSession(jsc.sc());  5 
 6     public static void main(String[] args) {  7 
 8         // 加载数据源
 9         Dataset<Row> dataset = session.read().option("basePath", "hdfs://hadoop002:9000/spark_sql/users/") 10                 .parquet("hdfs://hadoop002:9000/spark_sql/users/gender=male/country=us/users.parquet"); 11 
12  dataset.printSchema(); 13  dataset.show(); 14 
15  session.stop(); 16  jsc.close(); 17  } 18 }

(注意basePath与实际的parquet文件的路径,basePath是分区推断列以前的路径)oop

scala测试

 1 object PartitionInfer {  2   def main(args: Array[String]): Unit = {  3     val conf = new SparkConf().setAppName("partitioninfer").setMaster("local")  4     val sc = new SparkContext(conf)  5     val sqlContext = new SQLContext(sc)  6 
 7     val df = sqlContext.read.option("basePath", "f:/").parquet("f:/gender=male/country=us/users.parquet")  8 
 9  df.printSchema() 10  df.show() 11  } 12 }

scala的版本用的本地路径,测试发现依然能够实现分区推断spa

相关文章
相关标签/搜索