Spark saveAsTextFile 创建目录

Question

我使用 Apache Spark 在 java 中实现了以下代码。我是 AWS EMR 上的运行这个程序。我刚刚从文件中的字数统计示例中实现了一个简单的程序。我正在从 HDFS 读取文件。

public class FileOperations {

    public static void main(String[] args) {

        SparkConf conf = new SparkConf().setAppName("HDFS");
        JavaSparkContext sparkContext = new JavaSparkContext(conf);
        JavaRDD<String> textFile = sparkContext.textFile("hdfs:/user/hadoop/test.txt");
        System.out.println("Program is stared");
        JavaPairRDD<String, Integer> counts = textFile
                .flatMap(s -> Arrays.asList(s.split(" ")).iterator())
                .mapToPair(word -> new Tuple2<>(word, 1))
                .reduceByKey((a, b) -> a + b);



        counts.foreach(f -> System.out.println(f.toString()));

        counts.saveAsTextFile("hdfs:/user/hadoop/output.txt");
        System.out.println("Program finished");
    }

}

上述程序中的问题是 counts.saveAsTextFile("hdfs:/user/hadoop/output.txt"); 没有创建文本文件，而是创建了一个目录 output.txt。

上面的代码有什么问题。这是我第一次使用 Spark 和 EMR。

Answer 1

要么你 .collect() 所有数据并将你自己的保存方法写入单个文件，要么你 .repartition(1) 数据仍然会生成一个目录，但只有一个部分文件数据 (part-00000)

Answer 2

它应该是这样工作的。您不指定文件名，只指定路径。 Spark 将在该目录中创建文件。如果您查看 saveAsTextFile 的方法定义，您会发现它需要一个路径：

public void saveAsTextFile(String path)

在您指定的路径中，它将为数据中的每个分区创建一个 part 文件。

Spark saveAsTextFile 创建目录

Spark saveAsTextFile creating directory

hadoop

apache-spark

amazon-emr