按文件系统上的给定列对输出进行分区。 输出布局类似于 Hive 的分区方案。
Syntax
partitionBy(*cols)
参数
| 参数 | 类型 | Description |
|---|---|---|
*cols |
str 或 list | 要分区依据的列的名称。 |
退货
DataStreamWriter
示例
df = spark.readStream.format("rate").load()
df.writeStream.partitionBy("value")
# <...streaming.readwriter.DataStreamWriter object ...>
按时间戳对 Rate 源流进行分区并写入 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()