DataFrame和Parquet

Apache Parquet作為文件格式最近獲得了顯著關(guān)注挺庞,假設(shè)你有一個(gè)100列的表,大部分時(shí)間你只需要訪問3-10列稼病,行存儲(chǔ)选侨,不管你需要不需要它們,你必須掃描所有然走。Apache Parquet是列存儲(chǔ)援制,如果需要3列,那么只有這3列被load芍瑞。并且datatype晨仑、compression和quality非常好。下面我們來介紹如何把一個(gè)表存儲(chǔ)為Parquet和如何加載拆檬。首先建立一個(gè)表格:

first_name last_name gender
Barack Obama M
Bill Clinton M
Hillary Clinton F

Spark SQL:

val hc = new org.apache.spark.sql.hive.HiveContext(sc)
import hc.implicits._
case class Person(firstName: String, lastName: String, gender: String)
val personRDD = sc.textFile("person").map(_.split("\t")).map(p => Person(p(0),p(1),p(2)))
val person = personRDD.toDFperson.registerTempTable("person")
val males = hc.sql("select * from person where gender='M'")
males.collect.foreach(println)

保存DF為Parquet格式:

person.write.parquet("person.parquet")

Hive中建立Parquet格式的表:

create table person_parquet like person stored as parquet;
insert overwrite table person_parquet select * from person;

加載Parquet文件不再需要case class洪己。

val personDF = hc.read.parquet("person.parquet")personDF.registerAsTempTable("pp")
val males = hc.sql("select * from pp where gender='M'")
males.collect.foreach(println)

Sometimes Parquet files pulled from other sources like Impala save String as binary. To fix that issue, add the following line right after creating SqlContext:

sqlContext.setConf("spark.sql.parquet.binaryAsString","true")

參考

http://www.infoobjects.com/spark-cookbook/

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市竟贯,隨后出現(xiàn)的幾起案子答捕,更是在濱河造成了極大的恐慌,老刑警劉巖屑那,帶你破解...
    沈念sama閱讀 211,123評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件拱镐,死亡現(xiàn)場(chǎng)離奇詭異艘款,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)沃琅,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,031評(píng)論 2 384
  • 文/潘曉璐 我一進(jìn)店門哗咆,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人阵难,你說我怎么就攤上這事岳枷∶⑻睿” “怎么了呜叫?”我有些...
    開封第一講書人閱讀 156,723評(píng)論 0 345
  • 文/不壞的土叔 我叫張陵,是天一觀的道長殿衰。 經(jīng)常有香客問我朱庆,道長,這世上最難降的妖魔是什么闷祥? 我笑而不...
    開封第一講書人閱讀 56,357評(píng)論 1 283
  • 正文 為了忘掉前任娱颊,我火速辦了婚禮,結(jié)果婚禮上凯砍,老公的妹妹穿的比我還像新娘箱硕。我一直安慰自己,他們只是感情好悟衩,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,412評(píng)論 5 384
  • 文/花漫 我一把揭開白布剧罩。 她就那樣靜靜地躺著,像睡著了一般座泳。 火紅的嫁衣襯著肌膚如雪惠昔。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,760評(píng)論 1 289
  • 那天挑势,我揣著相機(jī)與錄音镇防,去河邊找鬼。 笑死潮饱,一個(gè)胖子當(dāng)著我的面吹牛来氧,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播香拉,決...
    沈念sama閱讀 38,904評(píng)論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼啦扬,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了缕溉?” 一聲冷哼從身側(cè)響起考传,我...
    開封第一講書人閱讀 37,672評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎证鸥,沒想到半個(gè)月后僚楞,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體勤晚,經(jīng)...
    沈念sama閱讀 44,118評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,456評(píng)論 2 325
  • 正文 我和宋清朗相戀三年泉褐,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了赐写。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,599評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡膜赃,死狀恐怖挺邀,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情跳座,我是刑警寧澤端铛,帶...
    沈念sama閱讀 34,264評(píng)論 4 328
  • 正文 年R本政府宣布,位于F島的核電站疲眷,受9級(jí)特大地震影響禾蚕,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜狂丝,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,857評(píng)論 3 312
  • 文/蒙蒙 一换淆、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧几颜,春花似錦倍试、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,731評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至具壮,卻和暖如春准颓,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背棺妓。 一陣腳步聲響...
    開封第一講書人閱讀 31,956評(píng)論 1 264
  • 我被黑心中介騙來泰國打工攘已, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人怜跑。 一個(gè)月前我還...
    沈念sama閱讀 46,286評(píng)論 2 360
  • 正文 我出身青樓样勃,卻偏偏與公主長得像,于是被迫代替她去往敵國和親性芬。 傳聞我的和親對(duì)象是個(gè)殘疾皇子峡眶,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,465評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容