Spark：将筛选后的行保存在FilterFunction中
我已经在Spark中编写了FilterFunction来过滤DataSet中的行。一切正常，但是新的要求是我需要将所有省略的行保存到其他位置。最好的方法是什么？
我的目标是确保我不会两次访问同一数据集；一次过滤掉我想要的行，一次得到省略的行。
有可能这样做吗？我想，如果有另一种方法，我不想使用FilterFunction
展开
收起
1
条回答
写回答
写回答
-
代替过滤器函数，编写一个用户定义的函数，该函数将根据过滤器条件添加一个附加列“分区”。实际数据-数据，过滤器数据-省略。然后使用partitioner在partition列上写入df。
+----+----------------+---------+ |col1|filtercondition |partition| +----+----------------+---------+ | a| true| data| | b| false| omitted| +----+----------------+---------+ //Output //hdfs://..../data/ //Actual Data //hdfs://..../omitted/ //Filtered Data
2019-10-09 15:42:35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
