pythonsparkpickle,如果pyspark中已经存在文件,如何覆盖rdd saveAsPickleFile(path)?

当在pyspark中保存RDD时,如何覆盖已有的输出路径。首次保存正常,再次保存时遇到文件已存在的问题。在DataFrame中可以使用`overwrite()`来覆盖,但RDD对象上直接使用会报错。解决方案包括在Scala中设置`spark.hadoop.validateOutputSpecs`为`False`,或者转换为DataFrame后使用`SaveMode.Overwrite`。
摘要由CSDN通过智能技术生成

How to overwrite

RDD output objects any existing path when we are saving time.

test1:

975078|56691|2.000|20171001_926_570_1322

975078|42993|1.690|20171001_926_570_1322

975078|46462|2.000|20171001_926_570_1322

975078|87815|1.000|20171001_926_570_1322

rdd=sc.textFile('/home/administrator/work/test1').map( lambda x: x.split("|")[:4]).map( lambda r: Row( user_code = r[0],item_code = r[1],qty = float(r[2])))

rdd.coalesce(1).saveAsPickleFile("/home/administrator/work/foobar_seq1")

The first time it is saving properly. now again I removed one line from the input

file and saving RDD same location, it show file has existed.

rdd.coalesce(1).saveAsPickleFile("/home/administrator/work/foobar_seq1")

For example, in dataframe we can overwrite existing path.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值