dataframe - Spark 数据帧的分区数？

Question

我有一个 spark 数据框(Spark 2.3)，它存储了一个包含零条记录的 sql。当我尝试计算分区数时，它没有显示任何结果，并尝试了各种函数，例如 df.rdd.getNumPartitions/df.rdd.getNumPartitions()/df.rdd.length/df.rdd.partitions.size.

如何从具有零个或数百万条记录的 spark 数据框中获取分区数？

代码:

empsql = 'Select * From Employee' ## In this sql it has zero records
df = spark.sql(empsql) ##Spark is configured
df.rdd.getNumPartitions

#Using df.rdd.partitions.size got error as: AttributeError: 'RDD' object has no attribute 'partitions'

Answer 1

尝试，假设 pyspark:

df.rdd.getNumPartitions()

通过应该等同于空查询的空 DF 进行模拟:

from pyspark.sql.types import *
field = [StructField("FIELDNAME_1",StringType(), True),StructField("FIELDNAME_2", StringType(), True),  StructField("FIELDNAME_3", StringType(), True)]
schema = StructType(field)
df = sqlContext.createDataFrame(sc.emptyRDD(), schema)
df.rdd.getNumPartitions()

返回:

Out[6]: 0

另外:

df.registerTempTable('XXX')
yyy = spark.sql("select * from XXX")
yyy.rdd.getNumPartitions()

产量:

Out[11]: 0