ADLS中的分区文件数量与作为DataFrame读取后的分区数是否相同?
创始人
2024-07-27 16:30:59
0

在ADLS中创建一个包含分区的Parquet文件:

from pyspark.sql.functions import col
from pyspark.sql.types import StructType, StructField, IntegerType, StringType
from pyspark.sql import SparkSession

spark = SparkSession.builder.appName("ParquetPartition").getOrCreate()

schema = StructType([
    StructField("name", StringType(), True),
    StructField("age", IntegerType(), True)])

data = [('Alice', 25), ('Bob', 30), ('Charlie', 35), ('David', 40)]

df = spark.createDataFrame(data=data, schema=schema)

df.write.option("compression","snappy")\
    .option("path","/mnt/ADLS/parquet/partition/")\
    .partitionBy('age').format('parquet').saveAsTable("parqtbl")

然后,读取该文件并检查分区数量是否相同:

df = spark.read.format('parquet').load('/mnt/ADLS/parquet/partition/')
num_partitions_adls = df.rdd.getNumPartitions()

df = spark.table("parqtbl")
num_partitions_df = df.rdd.getNumPartitions()

if num_partitions_adls == num_partitions_df:
    print("The number of partitions in ADLS is same as number of partitions after reading as dataframe.")
else:
    print("The number of partitions in ADLS is different from number of partitions after reading as dataframe.")

运行上述代码后,将会判断ADLS中的分区文件数量与读取后的DataFrame分区数是否相同,并将结果输出。

相关内容

热门资讯

Android Recycle... 要在Android RecyclerView中实现滑动卡片效果,可以按照以下步骤进行操作:首先,在项...
安装apache-beam==... 出现此错误可能是因为用户的Python版本太低,而apache-beam==2.34.0需要更高的P...
Android - 无法确定任... 这个错误通常发生在Android项目中,表示编译Debug版本的Java代码时出现了依赖关系问题。下...
Android - NDK 预... 在Android NDK的构建过程中,LOCAL_SRC_FILES只能包含一个项目。如果需要在ND...
Akka生成Actor问题 在Akka框架中,可以使用ActorSystem对象生成Actor。但是,当我们在Actor类中尝试...
Agora-RTC-React... 出现这个错误原因是因为在 React 组件中使用,import AgoraRTC from “ago...
Alertmanager在pr... 首先,在Prometheus配置文件中,确保Alertmanager URL已正确配置。例如:ale...
Aksnginxdomainb... 在AKS集群中,可以使用Nginx代理服务器实现根据域名进行路由。以下是具体步骤:部署Nginx i...
AddSingleton在.N... 在C#中创建Singleton对象通常是通过私有构造函数和静态属性来实现,例如:public cla...
Alertmanager中的基... Alertmanager中可以使用repeat_interval选项指定在一个告警重复发送前必须等待...