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。
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>>
推荐阅读: Scala与Spark有什么关系