栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

spark 读parquet文件新增字段后输出parquet文件

spark 读parquet文件新增字段后输出parquet文件

spark 读parquet文件新增字段后输出parquet文件

自己记录一下

val new_schema = spark.read.parquet(path1).schema.add("col2", DataTypes.StringType, true)

val rdd1 = spark.read.parquet(path2).rdd.map(row => {
	val col1 = row.getAs[String]("")
	val col2 = row.getAs[String]("")
	(col1, Row(col2)
})

val rdd2 = spark.read.parquet(path).rdd.map(row => {
	val col1 = row.getAs[String]("")
	(col1, row)
})

val rdd3 = rdd2.leftouterjoin(rdd1).map(row => {
	val col2_Row = if(row._2._2 == None){
					 Row(null)
					}else{
					 row._2._2.get
					}
	val old_Row = row._2._1
	val new_Row = Row.merge(old_Row, col2_Row)
	new_Row
})

val rdd4 = spark.createDataframe(rdd3, new_schema)

rdd4.repartition(1).write.parquet(path3)
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/581535.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号