写入Apache Spark中的文件

Question

我正在写一个Scala代码,要求我写入HDFS中的文件.当我Filewriter.write在本地使用时,它的工作原理.同样的事情不适用于HDFS.经检查,我发现有下列选项中的Apache火花写 RDD.saveAsTextFile和DataFrame.write.format.

我的问题是:如果我只想在Apache Spark中为文件写一个int或字符串怎么办？

跟进:我需要在输出文件中写入一个标题,DataFrame内容然后追加一些字符串.有sc.parallelize(Seq(<String>))帮助吗？

Answer 1

使用以下内容创建RDD数据(int/string)Seq:有关详细信息,请参阅parallelized-collections:

sc.parallelize(Seq(5))  //for writing int (5)
sc.parallelize(Seq("Test String")) // for writing string

val conf = new SparkConf().setAppName("Writing Int to File").setMaster("local")
val sc = new SparkContext(conf) 
val intRdd= sc.parallelize(Seq(5))   
intRdd.saveAsTextFile("out\\int\\test")

val conf = new SparkConf().setAppName("Writing string to File").setMaster("local")
val sc = new SparkContext(conf)   
val stringRdd = sc.parallelize(Seq("Test String"))
stringRdd.saveAsTextFile("out\\string\\test")

Answer 2

跟进示例：（经过如下测试）

val conf = new SparkConf().setAppName("Total Countries having Icon").setMaster("local")
val sc = new SparkContext(conf)

val headerRDD= sc.parallelize(Seq("HEADER"))

//Replace BODY part with your DF
val bodyRDD= sc.parallelize(Seq("BODY"))

val footerRDD = sc.parallelize(Seq("FOOTER"))

//combine all rdds to final    
val finalRDD = headerRDD ++ bodyRDD ++ footerRDD 

//finalRDD.foreach(line => println(line))

//output to one file
finalRDD.coalesce(1, true).saveAsTextFile("test") 

输出：

HEADER
BODY
FOOTER

这里有更多示例。。。