Spark 数据帧的分区数？

Question

我有一个 Spark 数据框（Spark 2.3），它存储一个具有零记录的 sql。当我尝试计算分区数量时，它没有显示任何结果，并尝试了各种函数，例如 df.rdd.getNumPartitions / df.rdd.getNumPartitions()/ df.rdd.length / df.rdd.partitions.size。

如何从具有零或数百万条记录的 Spark 数据帧中获取分区数？

代码：

empsql = 'Select * From Employee' ## In this sql it has zero records
df = spark.sql(empsql) ##Spark is configured
df.rdd.getNumPartitions

#Using df.rdd.partitions.size got error as: AttributeError: 'RDD' object has no attribute 'partitions'

Answer 1

尝试一下，假设 pyspark：

df.rdd.getNumPartitions()

通过空 DF 进行模拟，应等同于空查询：

from pyspark.sql.types import *
field = [StructField("FIELDNAME_1",StringType(), True),StructField("FIELDNAME_2", StringType(), True),  StructField("FIELDNAME_3", StringType(), True)]
schema = StructType(field)
df = sqlContext.createDataFrame(sc.emptyRDD(), schema)
df.rdd.getNumPartitions()

返回：

Out[6]: 0

而且：

df.registerTempTable('XXX')
yyy = spark.sql("select * from XXX")
yyy.rdd.getNumPartitions()

产量：

Out[11]: 0