问题描述
我有一个按日期分区的表,我正在尝试覆盖一个特定的分区,但是 当我尝试下面的代码时,它会覆盖整个表格
query.write.partitionBy("date").mode(SaveMode.Overwrite).format("orc").insertInto(mytableName)
但我想通过提供分区列名称及其值来覆盖特定分区
喜欢partitionBy(date='20-01-2021')
;
有没有办法覆盖特定的分区?
解决方法
您可以指定要覆盖的分区的完整路径。在这种情况下,您不需要执行 query.write.partitionBy("date")
并且您需要在编写之前删除 date
列:
query.drop("date")
.write
.mode("overwrite")
.format("orc")
.save("/data/mytableName/date=20-01-2021")
,
尝试这种方法并适应您的具体情况:
需要在 hive 或 spark 中设置表格。
遵循这种动态方法:
spark.conf.set("spark.sql.sources.partitionOverwriteMode","dynamic")
import org.apache.spark.sql.types._
val df = spark.range(9).map(x => (x,(x + 100) % 3)).toDF("c1","c2")
df.repartition($"c2")
.write
.partitionBy("c2")
.mode("overwrite").saveAsTable("tabX")
更新分区 - 人为,设置后以这种方式
val df2 = spark.range(1).map(x => (x,"c2")
df2.repartition($"c2")
.write
.mode("overwrite").insertInto("tabX")
查看效果并根据您的具体情况进行调整。
// from 9 -> 7 entries,pls run
val df3 = spark.table("tabX")
df3.show(false)