Spark Scala 中的数据帧到 HDFS

Question

我有一个格式为 org.apache.spark.sql.DataFrame = [user_key: string, field1: string] 的 spark 数据框。当我使用 saveAsTextFile 将文件保存在 hdfs 中时，结果看起来像 [12345,xxxxx]。我不想将左括号和右括号写入输出文件。如果我使用 .rdd 转换成 RDD，括号仍然存在于 RDD 中。

谢谢

Answer 1

只需连接值并存储字符串：

import org.apache.spark.sql.functions.{concat_ws, col}
import org.apache.spark.sql.Row

val expr = concat_ws(",", df.columns.map(col): _*)
df.select(expr).map(_.getString(0)).saveAsTextFile("some_path")

或者更好地使用 spark-csv:

selectedData.write
  .format("com.databricks.spark.csv")
  .option("header", "false")
  .save("some_path")

另一种方法是简单地 map:

df.rdd.map(_.toSeq.map(_.toString).mkString(","))

然后保存。

Spark Scala 中的数据帧到 HDFS

DataFrame to HDFS in spark scala

apache-spark

apache-spark-sql