写入 Apache Spark 中的文件

Question

我正在编写 Scala 代码，要求我写入 HDFS 中的文件。当我在本地使用 Filewriter.write 时，它起作用了。同样的事情在 HDFS 上不起作用。查了一下，发现Apache Spark中有如下选项可以写入—— RDD.saveAsTextFile 和 DataFrame.write.format.

我的问题是：如果我只想将 int 或 string 写入 Apache Spark 中的文件怎么办？

跟进：我需要将 header、DataFrame 内容写入输出文件，然后附加一些字符串。 sc.parallelize(Seq(<String>)) 有帮助吗？

Answer 1

使用 Seq 使用您的数据 (int/string) 创建 RDD：有关详细信息，请参阅 parallelized-collections：

sc.parallelize(Seq(5))  //for writing int (5)
sc.parallelize(Seq("Test String")) // for writing string

val conf = new SparkConf().setAppName("Writing Int to File").setMaster("local")
val sc = new SparkContext(conf) 
val intRdd= sc.parallelize(Seq(5))   
intRdd.saveAsTextFile("out\int\test")

val conf = new SparkConf().setAppName("Writing string to File").setMaster("local")
val sc = new SparkContext(conf)   
val stringRdd = sc.parallelize(Seq("Test String"))
stringRdd.saveAsTextFile("out\string\test")

Answer 2

跟进示例：（测试如下）

val conf = new SparkConf().setAppName("Total Countries having Icon").setMaster("local")
val sc = new SparkContext(conf)

val headerRDD= sc.parallelize(Seq("HEADER"))

//Replace BODY part with your DF
val bodyRDD= sc.parallelize(Seq("BODY"))

val footerRDD = sc.parallelize(Seq("FOOTER"))

//combine all rdds to final    
val finalRDD = headerRDD ++ bodyRDD ++ footerRDD 

//finalRDD.foreach(line => println(line))

//output to one file
finalRDD.coalesce(1, true).saveAsTextFile("test")

输出：

HEADER
BODY
FOOTER

more examples here. . .

写入 Apache Spark 中的文件

Writing to a file in Apache Spark

scala

hadoop

apache-spark

filewriter