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