使用Spark-avro写入数据帧创建topLevelRecord-要使用现有架构

2022-04-27 00:00:00 apache-spark avro java record

我正在使用Kryo编码器将GenericRecords编码为Spark DataFrame,并将该数据帧写入Avro文件。一旦我尝试从配置单元中读取文件,我就得到一个错误,说解析器找到的是toplevelRecords而不是预期的字段。这条记录不在我现有的模式中,我认为它是在我使用Spark-Avro编写时创建的。我想知道是否/如何从Avro文件中删除它。

如下所示:

{
    "type":"record",
    "name":"topLevelRecord",
    "fields":[
         {
            "name":"value",
            "type":["bytes","null"]
         }
    ]
} 

解决方案

名称字段在Avro架构中是必需的(https://jaceklaskowski.gitbooks.io/mastering-spark-sql/spark-sql-AvroOptions.html)

如果架构中未设置值topLevelRecord,则值topLevelRecord是默认值,但是您可以提供一个值以在写入数据框时覆盖它。

Scala: 创建参数映射并将其传递给编写器:

val name = "AvroTest"
val parameters = Map("recordName" -> name)
df.write.options(parameters).format("avro").save("/tmp/output")

引用:https://docs.databricks.com/spark/latest/data-sources/read-avro.html

Python: 将选项传递给编写器,如下所示:

df.write.format("com.databricks.spark.avro").option("recordName", "Uber").save("tmp/output")

相关文章