python - 如何通过使用python在spark中使用参数化的多列创建分区？

Question

我想从paramfile中读取多个列，并希望将varialbe传递给PartitionBy()函数。我能够通过对列名称进行硬编码来按多个列进行分区。
喜欢:

def save_to_table(dataframe, db_name, tbl_nm):
   dataframe.write.mode("Append").format("parquet").partitionBy("year","month","day").saveAsTable("{}.{}".format(db_name,    tbl_nm))  
   print("Table saved")

工作正常。

但问题是:
我试图从配置文件中读取并将所有列名称存储到列表中，如下所示

pPartitionKey=["year","month","day"]

但不知道如何将列表pPartitionKey传递给PartitionBy()函数。

在这种情况下，有人可以帮我吗？

Answer 1

partitionBy将可变数量的列名作为输入，但不作为列表。您可以利用asterix *来实现所需的功能。

def save_to_table(dataframe, db_name, tbl_nm, pPartitionKey):
   dataframe.write.mode("Append").format("parquet").partitionBy(*pPartitionKey).saveAsTable("{}.{}".format(db_name,    tbl_nm))  
   print("Table saved")