如何修改 pyspark.saveAsTextFile默认存储文件格式

问题

新集群执行pyspark程序时,保存文件saveAsTextFile(),默认成了.deflate压缩文件,导致textFile()方法不能正常读取。

解决方法

修改pyspark的默认写文件的格式:

  1. 找到自己机器上的HADOOP_CONF_DIR路径
  2. 修改配置 HADOOP_CONF_DIR/mapred-site.xml,注释掉输出格式的这段代码,就会默认保存成文本格式了。
  <property>
    <name>mapreduce.job.counters.groups.max</name>
    <value>50</value>
  </property>
<!--
<property>
    <name>mapreduce.output.fileoutputformat.compress</name>
    <value>true</value>
  </property>
  <property>
    <name>mapreduce.output.fileoutputformat.compress.type</name>
    <value>BLOCK</value>
  </property>
  <property>
    <name>mapreduce.output.fileoutputformat.compress.codec</name>
    <value>org.apache.hadoop.io.compress.DefaultCodec</value>
  </property>
  <property>
    <name>mapreduce.map.output.compress.codec</name>
    <value>org.apache.hadoop.io.compress.SnappyCodec</value>
  </property>
  <property>
    <name>mapreduce.map.output.compress</name>
    <value>true</value>
  </property>
-->
<property>
    <name>zlib.compress.level</name>
    <value>DEFAULT_COMPRESSION</value>
  </property>

如果不注释,把属性mapreduce.output.fileoutputformat.compress.codec改成org.apache.hadoop.io.compress.GzipCodec,就会默认.gz 压缩格式了。

 

  • 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