r - sparklyr 我可以将格式和路径选项传递给 spark_write_table 吗？还是将 saveAsTable 与 spark_write_orc 一起使用？

Question

带有 Hive 的 Spark 2.0

假设我正在尝试编写一个 spark 数据帧，irisDf到兽人 和 将其保存到 hive 元存储

在 Spark 中，我会这样做，

irisDf.write.format("orc")
    .mode("overwrite")
    .option("path", "s3://my_bucket/iris/")
    .saveAsTable("my_database.iris")

在 sparklyr我可以使用 spark_write_table功能，

data("iris")
iris_spark <- copy_to(sc, iris, name = "iris")
output <- spark_write_table(
   iris
  ,name = 'my_database.iris'
  ,mode = 'overwrite'
)

但这不允许我设置 path或 format
我也可以使用 spark_write_orc

spark_write_orc(
    iris
  , path = "s3://my_bucket/iris/"
  , mode = "overwrite"
)

但它没有 saveAsTable选项

现在，我可以使用 invoke复制 Spark 代码的语句，

  sdf <- spark_dataframe(iris_spark)
  writer <- invoke(sdf, "write")
  writer %>% 
    invoke('format', 'orc') %>% 
    invoke('mode', 'overwrite') %>% 
    invoke('option','path', "s3://my_bucket/iris/") %>% 
    invoke('saveAsTable',"my_database.iris")

但我想知道是否有办法改为通过 format和 path选项到 spark_write_table或 saveAsTable选项进入 spark_write_orc ?

Answer 1

path可以使用 options 设置参数，相当于options调用 native DataFrameWriter :

spark_write_table(
  iris_spark, name = 'my_database.iris', mode = 'overwrite', 
  options = list(path = "s3a://my_bucket/iris/")
)

默认情况下，在 Spark 中，这将创建一个存储为 Parquet 的表。在 path (可以使用 partition_by 参数指定分区子目录)。

到今天为止，没有这样的格式选项，但一个简单的解决方法是设置 spark.sessionState.conf.defaultDataSourceName属性，无论是在运行时

spark_session_config(
  sc, "spark.sessionState.conf.defaultDataSourceName", "orc"
)

或者当您创建 session 时。