spark如何读取hdfs文件分区

hdfs spark

1294

2024/4/23 10:23:08

栏目: 大数据

在Spark中，可以使用spark.read.partitionBy()方法来读取HDFS文件分区。这个方法可以指定一个或多个分区字段，在读取文件时会根据这些字段的值进行分区。

例如，假设有一个HDFS目录/path/to/files，其中包含分区字段year和month，可以使用以下代码来读取这个文件分区：

df = spark.read.format("parquet").option("header", "true").load("/path/to/files").partitionBy("year", "month")

这将读取/path/to/files目录下所有文件，并根据year和month字段的值进行分区。可以通过df.show()方法查看读取的数据。

最新知识库