将 DataFrame 保存为 CSV 时指定文件名 [英] Specifying the filename when saving a DataFrame as a CSV

问题描述

假设我有一个 Spark DF，我想将 CSV 文件保存到磁盘.在 Spark 2.0.0+ 中，可以将 DataFrame(DataSet[Rows]) 转换为 DataFrameWriter 并使用.csv 方法来写入文件.

Say I have a Spark DF that I want to save to disk a CSV file. In Spark 2.0.0+, one can convert DataFrame(DataSet[Rows]) as a DataFrameWriter and use the .csv method to write the file.

函数定义为

def csv(path: String): Unit
    path : the location/folder name and not the file name.

Spark 将 csv 文件存储在通过创建名称为 part-*.csv 的 CSV 文件指定的位置.

Spark stores the csv file at the location specified by creating CSV files with name - part-*.csv.

有没有办法用指定的文件名而不是 part-*.csv 保存 CSV ?或者可以指定前缀代替 part-r ?

Is there a way to save the CSV with specified filename instead of part-*.csv ? Or possible to specify prefix to instead of part-r ?

代码:

df.coalesce(1).write.csv("sample_path")

电流输出:

sample_path
|
+-- part-r-00000.csv

期望输出:

sample_path
|
+-- my_file.csv

注意:coalesce 函数用于输出单个文件，执行器有足够的内存来收集 DF，不会出现内存错误.

Note : The coalesce function is used to output a single file and the executor has enough memory to collect the DF without memory error.

推荐答案

在 Spark 的 save

Spark 使用 Hadoop 文件格式，它需要对数据进行分区 - 这就是您拥有 part- 文件的原因.您可以在处理后轻松更改文件名，就像在 这个问题

Spark uses Hadoop File Format, which requires data to be partitioned - that's why you have part- files. You can easily change filename after processing just like in this question

在 Scala 中，它看起来像:

In Scala it will look like:

import org.apache.hadoop.fs._
val fs = FileSystem.get(sc.hadoopConfiguration)
val file = fs.globStatus(new Path("path/file.csv/part*"))(0).getPath().getName()

fs.rename(new Path("csvDirectory/" + file), new Path("mydata.csv"))
fs.delete(new Path("mydata.csv-temp"), true)

或者只是:

import org.apache.hadoop.fs._
val fs = FileSystem.get(sc.hadoopConfiguration)
fs.rename(new Path("csvDirectory/data.csv/part-0000"), new Path("csvDirectory/newData.csv"))

如评论中所述，您也可以编写自己的OutputFormat，请参阅信息关于这种设置文件名的方法

As mentioned in comments, you can also write your own OutputFormat, please see documents for information about this approach to set file name

这篇关于将 DataFrame 保存为 CSV 时指定文件名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IT屋！