要读取HDFS数据,首先需要创建一个SparkSession对象,并使用spark.read
方法来读取数据。以下是一个示例代码:
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName("example").getOrCreate()
# 读取HDFS中的数据
df = spark.read.csv("hdfs://path/to/file.csv")
# 显示数据
df.show()
# 关闭SparkSession
spark.stop()
在上面的代码中,我们首先创建了一个SparkSession对象,并使用spark.read.csv
方法来读取HDFS中的csv文件。然后使用show()
方法来显示数据。最后,使用spark.stop()
方法关闭SparkSession对象。
辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>