partitionBy (DataStreamWriter)

Partiziona l'output in base alle colonne specificate nel file system. L'output è disposto in modo simile allo schema di partizionamento di Hive.

Sintassi

partitionBy(*cols)

Parametri

Restituzioni

DataStreamWriter

Examples

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

Partizionare un flusso di origine rate per timestamp e scrivere in 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()