partitionBy (DataStreamWriter)

Particiona a saída pelas colunas fornecidas no sistema de arquivos. A saída é definida de forma semelhante ao esquema de particionamento do Hive.

Sintaxe

partitionBy(*cols)

Parâmetros

Devoluções

DataStreamWriter

Exemplos

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

Particione um fluxo de origem de taxa por carimbo de data/hora e escreva no 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()