本文介绍了如何将数据帧(从配置单元表中获得)写入hadoop SequenceFile和RCFile?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我能够将其写入
-
ORC
PARQUET
直接和
TEXTFILE
AVRO
使用数据块中的其他依赖项.
using additional dependencies from databricks.
<dependency>
<groupId>com.databricks</groupId>
<artifactId>spark-csv_2.10</artifactId>
<version>1.5.0</version>
</dependency>
<dependency>
<groupId>com.databricks</groupId>
<artifactId>spark-avro_2.10</artifactId>
<version>2.0.1</version>
</dependency>
示例代码:
SparkContext sc = new SparkContext(conf);
HiveContext hc = new HiveContext(sc);
DataFrame df = hc.table(hiveTableName);
df.printSchema();
DataFrameWriter writer = df.repartition(1).write();
if ("ORC".equalsIgnoreCase(hdfsFileFormat)) {
writer.orc(outputHdfsFile);
} else if ("PARQUET".equalsIgnoreCase(hdfsFileFormat)) {
writer.parquet(outputHdfsFile);
} else if ("TEXTFILE".equalsIgnoreCase(hdfsFileFormat)) {
writer.format("com.databricks.spark.csv").option("header", "true").save(outputHdfsFile);
} else if ("AVRO".equalsIgnoreCase(hdfsFileFormat)) {
writer.format("com.databricks.spark.avro").save(outputHdfsFile);
}
有什么方法可以将数据帧写入hadoop SequenceFile和RCFile吗?
Is there any way to write dataframe into hadoop SequenceFile and RCFile?
推荐答案
您可以使用void saveAsObjectFile(String path)
将RDD
保存为序列化对象的SequenceFile.因此,在您的情况下,您必须从DataFrame
中检索RDD
:
You can use void saveAsObjectFile(String path)
to save a RDD
as a SequenceFile of serialized objects. So in your case you have to to retrieve the RDD
from the DataFrame
:
JavaRDD<Row> rdd = df.javaRDD;
rdd.saveAsObjectFile(outputHdfsFile);
这篇关于如何将数据帧(从配置单元表中获得)写入hadoop SequenceFile和RCFile?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持!