在rdd中分区数据并保存分区块
rdd的内容
1|b|12-10-2015|David|20
2|c|12-10-2015|Moses|40
3|b|18-12-2016|Tom|30
4|c|18-12-2016|Bill|60
我想按类别和日期对数据进行分区，并按如下方式保存文件：
12102015_b
1|b|12-10-2015|David|20
12102015_c
2|c|12-10-2015|Moses|40
18122016_b
3|b|18-12-2016|Tom|30
18122016_c
4|c|18-12-2016|Bill|60
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。假设您在pyspark数据帧中拥有上述所有数据df。
然后，您可以使用以下语句根据日期和类别对数据进行分区（但是，您可以根据业务逻辑确定顺序。）然后以各种不同的格式保存dataFrame。但是，我在下面的例子中使用csv。
df.write.partitionBy("date", "category").csv("location_of_path")
2019-07-17 23:20:07赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
