标签：HDFS 读取 文件 合并 path spark Overwrite

一、首先使用sparksql读取需要合并的数据。当然有两种情况，

　　一种是读取全部数据，即需要合并所有小文件。

　　第二种是合并部分数据，比如只查询某一天的数据，只合并某一个天分区下的小文件。

val df: DataFrame = spark.sql("sql")

二、将读取到的数据写入临时文件中。此处需注意使用coalesce方法对文件进行合并。

df.coalesce(1).write.mode(SaveMode.Overwrite).parquet(temp_path)

三、将临时文件写入待合并文件的目录，并采用Overwrite的方式。

spark.read.parquet(tmp_path).write.mode(SaveMode.Overwrite).save(origin_table_path)

参考以下文章，感谢分享：https://www.cnblogs.com/zfwwdz/p/13154995.html

标签：HDFS,读取,文件,合并,path,spark,Overwrite
来源： https://www.cnblogs.com/silenceshining/p/15764438.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。