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

Question

我正在使用 Kryo 编码器将 GenericRecords 编码为 Spark DataFrame，并将数据帧写入 Avro 文件。当我尝试从 Hive 读取文件时，我收到一条错误消息，指出解析器找到了顶级记录而不是预期的字段。该记录不在我现有的模式中，我认为它是在我使用 Spark-avro 写入时创建的。我想知道是否/如何从 avro 文件中删除它。

这就是它的样子:

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

Answer 1

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

如果架构中未设置值topLevelRecord，则它是默认值，但是您可以在写入数据框时提供一个值来覆盖它。

斯卡拉: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")

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

Python:将选项传递给作者，如下所示:

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