Question

我正在尝试使用DataFrameWriter将数据帧保存到Spark1.4中的pyspark中的S3

df = sqlContext.read.format("json").load("s3a://somefile")
df_writer = pyspark.sql.DataFrameWriter(df)
df_writer.partitionBy('col1')\
         .saveAsTable('test_table', format='parquet', mode='overwrite')

镶木地板文件转到“/ tmp / hive / warehouse / ....”，这是我司机的本地tmp目录。

我确实将hive-site.xml中的hive.metastore.warehouse.dir设置为“s3a：// ....”位置，但是火花似乎与我的hive仓库设置无关。

Answer 1

使用path。

df_writer.partitionBy('col1')\
         .saveAsTable('test_table', format='parquet', mode='overwrite',
                      path='s3a://bucket/foo')

Answer 2

您可以使用insertInto(tablename)覆盖自1.4

以来的现有表格

如何指定saveAsTable将文件保存到的路径？

2 个答案: