如何解决为什么后创建5个分区和10个桶,在后台创建的数据文件的数量是如此之高?
下面是我的代码:
spark.range(1,10000).withColumn("hashId",col("id")%5).write.partitionBy("hashId").bucketBy(10,"id").saveAsTable("learning.test_table")
火花配置:
./spark-shell --master yarn --num-executors 10 --executor-cores 3 --executor-memory 5
有5个分区和每个分区里面,有61个文件:
hdfs dfs -ls /apps/hive/warehouse/learning.db/test_table/hashId=0 | wc -l
61
当我检查后端创建此表后,将其创建文件305 + 1个_SUCCESS文件。
可能有人请解释为什么它是创造305个文件?
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。