partitionBy (DataStreamWriter)

Divide la salida por las columnas especificadas en el sistema de archivos. La salida se ha diseñado de forma similar al esquema de partición de Hive.

Sintaxis

partitionBy(*cols)

Parámetros

Devoluciones

DataStreamWriter

Ejemplos

df = spark.readStream.format("rate").load()
df.writeStream.partitionBy("value")
# <...streaming.readwriter.DataStreamWriter object ...>

Particione una secuencia de origen de velocidad por marca de tiempo y escriba en Parquet:

import tempfile
import time
with tempfile.TemporaryDirectory(prefix="partitionBy1") as d:
    with tempfile.TemporaryDirectory(prefix="partitionBy2") as cp:
        df = spark.readStream.format("rate").option("rowsPerSecond", 10).load()
        q = df.writeStream.partitionBy(
            "timestamp").format("parquet").option("checkpointLocation", cp).start(d)
        time.sleep(5)
        q.stop()
        spark.read.schema(df.schema).parquet(d).show()