Question

我想使用spark版本1.6.x中的pyspark将RDD（k = table_name，v = content）加载到分区的配置单元表（年，月，日）中

整个尝试使用此SQL查询的逻辑时：

ALTER TABLE db_schema.%FILENAME_WITHOUT_EXTENSION% DROP IF EXISTS PARTITION (year=%YEAR%, month=%MONTH%, day=%DAY%);LOAD DATA INTO TABLE db_schema.%FILENAME_WITHOUT_EXTENSION% PARTITION (year=%YEAR%, month=%MONTH%, day=%DAY%);

有人可以提出一些建议吗？

Answer 1

spark = SparkSession.builder.enableHiveSupport().getOrCreate()
df = spark.sparkContext.parallelize([(1, 'cat', '2016-12-20'), (2, 'dog', '2016-12-21')])
df = spark.createDataFrame(df, schema=['id', 'val', 'dt'])
df.write.saveAsTable(name='default.test', format='orc', mode='overwrite', partitionBy='dt')

使用 enableHiveSupport（）和 df.write.saveAsTable（）

将RDD加载到配置单元中

1 个答案: