将数据帧的架构保存在 S3 位置

Question

我使用以下命令从 databricks 中的 S3 读取镶木地板文件

df = sqlContext.read.parquet('s3://path/to/parquet/file')

我想读取数据帧的架构，可以使用以下命令来执行此操作：

df_schema = df.schema.json()

但我无法将该df_schama对象写入 S3 上的文件。注意：我愿意不创建 json 文件。我只想将数据帧的架构保存到 AWS S3 中的任何文件类型（可能是文本文件）。

我尝试编写 json 模式如下，

df_schema.write.csv("s3://path/to/file")

或者

a.write.format('json').save('s3://path/to/file')

他们都给我以下错误：

AttributeError: 'str' object has no attribute 'write'

Answer 1

df.schema.json()结果string对象和string对象不会有.write方法。

In RDD Api:

df_schema = df.schema.json()

并行化df_schema变量来创建rdd，然后使用.saveAsTextFile方法将模式写入 s3。

sc.parallelize([df_schema]).saveAsTextFile("s3://path/to/file")

（或者）

In Dataframe Api:

from pyspark.sql import Row
df_schema = df.schema.json()
df_sch=sc.parallelize([Row(schema=df_schema)]).toDF()
df_sch.write.csv("s3://path/to/file")
df_sch.write.text("s3://path/to/file") //write as textfile