如何将数据帧中的数据写入HDFS中的单个.parquet文件(单个文件中的数据和元数据)？

Question

如何在hdfs中将数据框中的数据写入单个.parquet文件（单个文件中的data＆amp;元数据）？

df.show() --> 2 rows
+------+--------------+----------------+
| name|favorite_color|favorite_numbers|
+------+--------------+----------------+
|Alyssa| null| [3, 9, 15, 20]| | Ben| red| []|
+------+--------------+----------------+

df.rdd.getNumPartitions()-它有1个分区

>>> df.rdd.getNumPartitions()

1

df.write.save("/user/hduser/data_check/test.parquet", format="parquet")

如果我使用上述命令在HDF中创建parquet文件，则它正在HDFS中创建目录"payloads.parquet"，并且在该目录内部多个文件.parquet文件中，元数据文件已保存。

。

找到4个项目

-rw-r--r-- 3 bimodjoul biusers 0 2017-03-15 06:47 
/user/hduser/data_check/test.parquet/_SUCCESS 
-rw-r--r-- 3 bimodjoul biusers 494 2017-03-15 06:47
/user/hduser/data_check/test.parquet/_common_metadata
-rw-r--r-- 3 bimodjoul biusers 862 2017-03-15 06:47
/user/hduser/data_check/test.parquet/_metadata 
-rw-r--r-- 3 bimodjoul biusers 885 2017-03-15 06:47
/user/hduser/data_check/test.parquet/part-r-00000-f83a2ffd-38bb-4c76-9f4c-357e43d9708b.gz.parquet

如何在 HDFS中的单个 .parquet文件（单个文件中的数据＆amp;元数据）中写入数据，而不是具有多个文件的文件夹？

帮助您将不胜感激。

Answer 1

这应该解决问题。

df.coalesce(1).write.parquet(parquet_file_path)
df.write.mode('append').parquet("/tmp/output/people.parquet")

Answer 2

写后使用cocecce（1）。它将解决您的问题

df.coalesce(1).write