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

 1 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 
 6     public static void main(String[] args) {
 7 
 8         // 加载数据源
 9         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 
12         dataset.printSchema();
13         dataset.show();
14 
15         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

 1 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 
 7     val df = sqlContext.read.option("basePath", "f:/").parquet("f:/gender=male/country=us/users.parquet")
 8 
 9     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