如何在PySpark中指定Parquet Block Size和Page Size?我到处搜索但找不到函数调用或导入库的任何文档。
答案 0 :(得分:4)
sc.hadoopConfiguration.setInt("dfs.blocksize", some_value)
sc.hadoopConfiguration.setInt("parquet.block.size", some_value)
所以在PySpark中
sc._jsc.hadoopConfiguration().setInt("dfs.blocksize", some_value)
sc._jsc.hadoopConfiguration().setInt("parquet.block.size", some_value)