Scala 将spark数据帧中每个分区的记录写入xml文件
我必须对spark数据帧中每个分区的文件进行记录计数,然后将输出写入XML文件 这是我的数据框Scala 将spark数据帧中每个分区的记录写入xml文件,scala,spark-dataframe,apache-zeppelin,spark-csv,apache-spark-xml,Scala,Spark Dataframe,Apache Zeppelin,Spark Csv,Apache Spark Xml,我必须对spark数据帧中每个分区的文件进行记录计数,然后将输出写入XML文件 这是我的数据框 dfMainOutputFinalWithoutNull.coalesce(1).write.partitionBy("DataPartition","StatementTypeCode") .format("csv") .option("nullValue", "") .option("header", "true") .option("codec", "gzip") .save
dfMainOutputFinalWithoutNull.coalesce(1).write.partitionBy("DataPartition","StatementTypeCode")
.format("csv")
.option("nullValue", "")
.option("header", "true")
.option("codec", "gzip")
.save("s3://trfsdisu/SPARK/FinancialLineItem/output")
现在,我必须计算每个分区中每个文件中的记录数,然后将输出写入XML文件
这就是我试图做到的
val count =dfMainOutputFinalWithoutNull.groupBy("DataPartition","StatementTypeCode").count
count.write.format("com.databricks.spark.xml")
.option("rootTag", "items")
.option("rowTag", "item")
.save("s3://trfsdisu/SPARK/FinancialLineItem/Descr")
我能够打印每个分区的总记录数并打印出来,但当我试图创建xml文件时,我发现下面的错误
java.lang.ClassNotFoundException: Failed to find data source: com.databricks.spark.xml. Please find packages at http://spark.apache.org/third-party-projects.html
我使用的是Spark 2.2.0,齐柏林飞艇0.7.2
所以我必须导入com.databricks.spark.xml
这个,但是为什么呢?因为在csv文件的情况下,如果我不导入com.databricks.spark.csv
另外,我是否可以使用cachedfmainpoutputfinalwhithoutnull
,因为我将使用它两次写入其数据,然后计算其分区记录,然后写入xml文件
我添加了这个依赖项
<!-- https://mvnrepository.com/artifact/com.databricks/spark-xml_2.10 -->
<dependency>
<groupId>com.databricks</groupId>
<artifactId>spark-xml_2.10</artifactId>
<version>0.2.0</version>
</dependency>
我会回答我的问题 所以我在zepplin中添加了以下依赖项
Scala 2.11
groupId: com.databricks
artifactId: spark-xml_2.11
version: 0.4.1
在zepplin中添加以下内容
com.databricks:spark-xml_2.11:0.4.1
然后我就可以创建文件了。我会回答我的问题 所以我在zepplin中添加了以下依赖项
Scala 2.11
groupId: com.databricks
artifactId: spark-xml_2.11
version: 0.4.1
在zepplin中添加以下内容
com.databricks:spark-xml_2.11:0.4.1
然后我就可以创建文件了