sparksql parquet 分区推断Partition Discovery

网上找的大部分资料都很旧,最后翻了下文档只找到了说明

大概意思是1.6之后如果想要使用分区推断就要设置数据源的basePath,因此代码如下

java

public class ParitionInfer {  2     private static SparkConf conf = new SparkConf().setAppName("partitioninfer");  3     private static JavaSparkContext jsc = new JavaSparkContext(conf);  4     private static SparkSession session = new SparkSession(jsc.sc());  5 
    public static void main(String[] args) {  7 
        // 加载数据源
        Dataset<Row> dataset = session.read().option("basePath", "hdfs://hadoop002:9000/spark_sql/users/") 10                 .parquet("hdfs://hadoop002:9000/spark_sql/users/gender=male/country=us/users.parquet"); 11 
 dataset.printSchema(); 13  dataset.show(); 14 
 session.stop(); 16  jsc.close(); 17  } 18 }

(注意basePath与实际的parquet文件的路径,basePath是分区推断列之前的路径)

scala

object PartitionInfer {  2   def main(args: Array[String]): Unit = {  3     val conf = new SparkConf().setAppName("partitioninfer").setMaster("local")  4     val sc = new SparkContext(conf)  5     val sqlContext = new SQLContext(sc)  6 
    val df = sqlContext.read.option("basePath", "f:/").parquet("f:/gender=male/country=us/users.parquet")  8 
 df.printSchema() 10  df.show() 11  } 12 }

scala的版本用的本地路径,测试发现依然可以实现分区推断