Spark不壓縮JSON輸出

Question

我在腳本中添加了以下內容：

val conf = new SparkConf
conf.set("spark.hadoop.mapred.output.compress", "true")
conf.set("spark.hadoop.mapred.output.compression.codec", "true")
conf.set("spark.hadoop.mapred.output.compression.codec", "org.apache.hadoop.io.compress.GzipCodec")
conf.set("spark.hadoop.mapred.output.compression.type", "BLOCK")

然后我像df.write.json("out")這樣寫數據。 但是，我得到的只是輸出中的.json文件，而不是預期的.json.gz。 怎么了

Answer 1

您可以嘗試以下方法：

import org.apache.hadoop.io.compress.GzipCodec

val df = Seq((2012, 8, "Batman", 9.8), (2012, 8, "Hero", 8.7), (2012, 7, "Robot", 5.5), (2011, 7, "Git", 2.0)).toDF("year", "month", "title", "rating")
df.toJSON.rdd.saveAsTextFile("/tmp/jsonRecords", classOf[GzipCodec])