将火花数据帧保存在hdfs位置上的单个文件中

问题描述：

我有数据帧，并且我想保存在hdfs位置上的单个文件中。将火花数据帧保存在hdfs位置上的单个文件中

，我发现这里的解决方案Write single CSV file using spark-csv

df.coalesce(1) 
    .write.format("com.databricks.spark.csv") 
    .option("header", "true") 
    .save("mydata.csv")

但是，所有数据将被写入到mydata.csv /部分00000和我想成为mydata.csv文件。

是可能的吗？

任何帮助感激

的唯一办法，据我所知，是你这样做 – elmalto

之前这是不可能重新分区到分区1！请检查答案在[此链接]（http://stackoverflow.com/questions/40577546/how-to-save-rdd-data-into-json-files-not-folders/40577736#40577736） – mrsrinivas

答

它使用标准的火花库是不可能的，但你可以使用Hadoop的API来管理文件系统 - 保存输出临时目录，然后将文件复制到请求的路径。例如（在pyspark）：

df.coalesce(1) \ 
    .write.format("com.databricks.spark.csv") \ 
    .option("header", "true") \ 
    .save("mydata.csv-temp") 

from py4j.java_gateway import java_import 
java_import(spark._jvm, 'org.apache.hadoop.fs.Path') 

fs = spark._jvm.org.apache.hadoop.fs.FileSystem.get(spark._jsc.hadoopConfiguration()) 
file = fs.globStatus(sc._jvm.Path('mydata.csv-temp/part*'))[0].getPath().getName() 
fs.rename(sc._jvm.Path('mydata.csv-temp/' + file), sc._jvm.Path('mydata.csv')) 
fs.delete(sc._jvm.Path('mydata.csv-temp'), True)

将火花数据帧保存在hdfs位置上的单个文件中

相关推荐