sparksql parquet 分区推断Partition Discovery

网上找的大部分资料都很旧,最后翻了下文档只找到了说明

大概意思是1.6之后如果想要使用分区推断就要设置数据源的basePath,因此代码如下

java

public class ParitionInfer {
    private static SparkConf conf = new SparkConf().setAppName("partitioninfer");
    private static JavaSparkContext jsc = new JavaSparkContext(conf);
    private static SparkSession session = new SparkSession(jsc.sc());

    public static void main(String[] args) {

        // 加载数据源
        Dataset<Row> dataset = session.read().option("basePath", "hdfs://hadoop002:9000/spark_sql/users/")
                .parquet("hdfs://hadoop002:9000/spark_sql/users/gender=male/country=us/users.parquet");

        dataset.printSchema();
        dataset.show();

        session.stop();
        jsc.close();
    }
}

(注意basePath与实际的parquet文件的路径,basePath是分区推断列之前的路径)

scala

object PartitionInfer {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("partitioninfer").setMaster("local")
    val sc = new SparkContext(conf)
    val sqlContext = new SQLContext(sc)

    val df = sqlContext.read.option("basePath", "f:/").parquet("f:/gender=male/country=us/users.parquet")

    df.printSchema()
    df.show()
  }
}

scala的版本用的本地路径,测试发现依然可以实现分区推断