Python 如何控制spark中输出拼花文件的大小
我有一个spark作业,可以从配置单元表读取数据。Python 如何控制spark中输出拼花文件的大小,python,apache-spark,hadoop,pyspark,bigdata,Python,Apache Spark,Hadoop,Pyspark,Bigdata,我有一个spark作业,可以从配置单元表读取数据。 例: 我必须用256mb的拼花文件将结果写入hdfs位置 我正在努力 r.write.parquet("/data_dev/work/experian/test11") 这将生成30MB的文件 但我需要它来生成256MB的文件 我也尝试了这些配置 r.write.option("parquet.block.size", 256 * 1024 * 1024 ). \ parquet("/path") 不过,生成的
例: 我必须用256mb的拼花文件将结果写入hdfs位置 我正在努力
r.write.parquet("/data_dev/work/experian/test11")
这将生成30MB的文件
但我需要它来生成256MB的文件
我也尝试了这些配置
r.write.option("parquet.block.size", 256 * 1024 * 1024 ). \
parquet("/path")
不过,生成的文件似乎是~30MB文件我认为没有任何直接的方法可以控制Spark中的大小。 请参考此链接:
r.write.option("parquet.block.size", 256 * 1024 * 1024 ). \
parquet("/path")