一、首先使用sparksql讀取需要合并的數(shù)據(jù)。當(dāng)然有兩種情況，

　　一種是讀取全部數(shù)據(jù)，即需要合并所有小文件。

　　第二種是合并部分?jǐn)?shù)據(jù)，比如只查詢某一天的數(shù)據(jù)，只合并某一個(gè)天分區(qū)下的小文件。

val df: DataFrame = spark.sql("sql")

二、將讀取到的數(shù)據(jù)寫入臨時(shí)文件中。此處需注意使用coalesce方法對(duì)文件進(jìn)行合并。

df.coalesce(1).write.mode(SaveMode.Overwrite).parquet(temp_path)

三、將臨時(shí)文件寫入待合并文件的目錄，并采用Overwrite的方式。

spark.read.parquet(tmp_path).write.mode(SaveMode.Overwrite).save(origin_table_path)

參考以下文章，感謝分享：https://www.cnblogs.com/zfwwdz/p/13154995.html

總結(jié)

以上是生活随笔為你收集整理的spark 实现HDFS小文件合并的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。