PySpark SparkFiles

在Apache Spark中,您可以使用 sc.addFile 上传文件(sc是您的默认SparkContext),并使用 SparkFiles.get 获取工作者的路径。

因此,SparkFiles解析通过 SparkContext.addFile() 添加的文件的路径。

SparkFiles包含以下类方法

  • get(filename)
  • getrootdirectory()

让我们详细了解它们。

get(filename)

它指定通过SparkContext.addFile()添加的文件的路径。

getrootdirectory()

它指定根目录的路径,该目录包含通过SparkContext.addFile()添加的文件。

----------------------------------------sparkfile.py------------------------------------
from pyspark import SparkContext
from pyspark import SparkFiles
finddistance = "/home/hadoop/examples_pyspark/finddistance.R"
finddistancename = "finddistance.R"
sc = SparkContext("local", "SparkFile App")
sc.addFile(finddistance)
print "Absolute Path -> %s" % SparkFiles.get(finddistancename)
----------------------------------------sparkfile.py------------------------------------

命令 - 命令如下:

$SPARK_HOME/bin/spark-submit sparkfiles.py

输出 - 上述命令的输出:

Absolute Path ->
   /tmp/spark-f1170149-af01-4620-9805-f61c85fecee4/userFiles-641dfd0f-240b-4264-a650-4e06e7a57839/finddistance.R

下一章:PySpark StorageLevel

StorageLevel决定如何存储RDD。在Apache Spark中,StorageLevel决定RDD是应该存储在内存中还是存储在磁盘上,或两者都存储。它还决定是否序列化RDD以及是否复制RD ...