如何解决加载具有不同列顺序的 Parquet 文件
我有两个 Parquet 目录正在加载到 Spark 中。它们都具有相同的列,但列的顺序不同。
val df = spark.read.parquet("url1").printSchema()
root
|-- a: string (nullable = true)
|-- b: string (nullable = true)
val df = spark.read.parquet("url2").printSchema()
root
|-- b: string (nullable = true)
|-- a: string (nullable = true)
val urls = Array("url1","url2")
val df = spark.read.parquet(urls: _*).printSchema()
root
|-- a: string (nullable = true)
|-- b: string (nullable = true)
当我一起加载文件时,它们似乎总是采用 url1 的顺序。我担心以不同的顺序保存 url1 和 url2 中的镶木地板文件会产生意想不到的后果,例如 a 和 b 交换值。如果可能,有人可以解释 parquet 如何加载以不同顺序存储的列,并提供官方文档的链接吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。