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 Studio ... 要解决Android Studio 4无法检测到Java代码,无法打开SDK管理器和设置的问题,可以...
安装tensorflow mo... 要安装tensorflow models object-detection软件包和pandas的每个...
安装了Laravelbackp... 检查是否创建了以下自定义文件并进行正确的配置config/backpack/base.phpconf...
安装了centos后会占用多少... 安装了CentOS后会占用多少内存取决于多个因素,例如安装的软件包、系统配置和运行的服务等。通常情况...
按照Laravel方式通过Pr... 在Laravel中,我们可以通过定义关系和使用查询构建器来选择模型。首先,我们需要定义Profile...
按照分类ID显示Django子... 在Django中,可以使用filter函数根据分类ID来筛选子类别。以下是一个示例代码:首先,假设你...
Android Studio ... 要给出包含代码示例的解决方法,我们可以使用Markdown语法来展示代码。下面是一个示例解决方案,其...
Android Retrofi... 问题描述:在使用Android Retrofit进行GET调用时,获取的响应为空,即使服务器返回了正...
Alexa技能在返回响应后出现... 在开发Alexa技能时,如果在返回响应后出现问题,可以按照以下步骤进行排查和解决。检查代码中的错误处...
Airflow Dag文件夹 ... 要忽略Airflow中的笔记本检查点,可以在DAG文件夹中使用以下代码示例:from airflow...