[解決済み] sparkで出力ディレクトリを上書きする方法
2022-07-19 09:41:49
質問
1分ごとにデータセットを生成するSparkストリーミングアプリケーションを持っています。 処理したデータの結果を保存/上書きする必要があります。
データセットを上書きしようとすると org.apache.hadoop.mapred.FileAlreadyExistsException で実行が止まってしまいます。
Sparkのプロパティである
set("spark.files.overwrite","true")
を設定しましたが、うまくいきません。
sparkからファイルを上書きまたはPredeleteする方法を教えてください。
どのように解決するのですか?
UPDATE:
Dataframes
を使用することを提案し、さらに以下のような
... .write.mode(SaveMode.Overwrite) ...
.
便利なヒモ。
implicit class PimpedStringRDD(rdd: RDD[String]) {
def write(p: String)(implicit ss: SparkSession): Unit = {
import ss.implicits._
rdd.toDF().as[String].write.mode(SaveMode.Overwrite).text(p)
}
}
古いバージョンでは
yourSparkConf.set("spark.hadoop.validateOutputSpecs", "false")
val sc = SparkContext(yourSparkConf)
1.1.0では、spark-submitスクリプトを使用して、--confフラグでconfの設定をすることができます。
警告(古いバージョン)。piggybox によると、Spark にはバグがあるそうです。
part-
ファイルを書き込むために必要なファイルのみを上書きし、他のファイルは削除されずに残ります。
関連
-
[解決済み】spark.driver.maxResultSizeとは何ですか?
-
[解決済み] PySparkのデータフレームで、各キーのパーセンタイルはどのように計算されますか?
-
[解決済み] Spark が "java.net.URISyntaxException" を報告するのはなぜですか?DataFrameを使用する際に「java.net.URIStyntaxException: Relative path in absolute URI」と表示されるのはなぜですか?
-
[解決済み] sparkでsaveAsTextFileするときのファイル名の付け方は?
-
[解決済み] pyspark : NameError: name 'spark' is not defined.
-
[解決済み] Sparkのバージョンを確認する方法【終了しました
-
[解決済み] spark checkpointとpersist to a diskの違いは何ですか?
-
[解決済み] Spark - repartition() vs coalesce()
-
[解決済み】SparkコンソールにINFOメッセージを表示させないようにするには?
-
[解決済み】Spark StandaloneクラスタのWorker、Executor、Coreとは何ですか?
最新
-
nginxです。[emerg] 0.0.0.0:80 への bind() に失敗しました (98: アドレスは既に使用中です)
-
htmlページでギリシャ文字を使うには
-
ピュアhtml+cssでの要素読み込み効果
-
純粋なhtml + cssで五輪を実現するサンプルコード
-
ナビゲーションバー・ドロップダウンメニューのHTML+CSSサンプルコード
-
タイピング効果を実現するピュアhtml+css
-
htmlの選択ボックスのプレースホルダー作成に関する質問
-
html css3 伸縮しない 画像表示効果
-
トップナビゲーションバーメニュー作成用HTML+CSS
-
html+css 実装 サイバーパンク風ボタン
おすすめ
-
[解決済み】spark.driver.maxResultSizeとは何ですか?
-
[解決済み] spark.sql.autoBroadcastJoinThresholdは、Datasetの結合演算子を使用して結合するために動作しますか?
-
[解決済み] SparkでcreateOrReplaceTempViewはどのように動作するのですか?
-
[解決済み] Spark が "java.net.URISyntaxException" を報告するのはなぜですか?DataFrameを使用する際に「java.net.URIStyntaxException: Relative path in absolute URI」と表示されるのはなぜですか?
-
[解決済み] Spark: 2つのDataFrameを減算する
-
[解決済み] spark 2.4.4 をインストールした後に pyspark を実行しようとすると、「TypeError: an integer is required (got type bytes)」というエラーが発生するのを修正する方法
-
[解決済み] スパークジョブとは?
-
[解決済み] spark checkpointとpersist to a diskの違いは何ですか?
-
[解決済み】mapとflatMapの違いと、それぞれの良い使用例について教えてください。
-
[解決済み] 複数のテキストファイルを1つのRDDに読み込むには?