如何在 DBFS 中保存和下载本地 csv？

Question

我正在尝试保存 csv 文件作为 SQL 查询的结果，通过 Databricks 发送到 Athena。该文件应该很大 table，大约 4-6 GB（约 4000 万行）。

我正在执行后续步骤：

通过以下方式创建 PySpark 数据框：

df = sqlContext.sql("select * from my_table where year = 19")

正在将 PySpark 数据帧转换为 Pandas 数据帧。我意识到，这一步可能是不必要的，但我只是开始使用 Databricks 并且可能不知道所需的命令来更快地完成它。所以我这样做：
```
ab = df.toPandas()
```
将文件保存在某处以便稍后在本地下载：
```
ab.to_csv('my_my.csv')
```

但是如何下载呢？

由于我不知道使用 Databricks 的很多技巧和细节，因此请您非常具体。

Answer 1

使用 GUI，您可以下载完整结果（最多 100 万行）。

要下载完整结果，请先将文件保存到 dbfs，然后使用 Databricks cli 将文件复制到本地计算机，如下所示。

dbfs cp "dbfs:/FileStore/tables/my_my.csv" "A:\AzureAnalytics"

参考： Databricks file system

DBFS 命令行界面 (CLI) 使用 DBFS API 向 DBFS 公开一个易于使用的命令行界面。使用此客户端，您可以使用类似于在 Unix 命令行上使用的命令与 DBFS 交互。例如：

# List files in DBFS
dbfs ls
# Put local file ./apple.txt to dbfs:/apple.txt
dbfs cp ./apple.txt dbfs:/apple.txt
# Get dbfs:/apple.txt and save to local file ./apple.txt
dbfs cp dbfs:/apple.txt ./apple.txt
# Recursively put local dir ./banana to dbfs:/banana
dbfs cp -r ./banana dbfs:/banana

参考： Installing and configuring Azure Databricks CLI

希望对您有所帮助。

如何在 DBFS 中保存和下载本地 csv？

How to save and download locally csv in DBFS?

python

sql

pyspark

databricks