- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我一般使用.gz在Spark中读写文件,文件数应该和RDD分区数一样。 IE。一个巨大的 .gz 文件将读入单个分区。但是,如果我读入一个 .bz2,我还会得到一个巨大的分区吗?或者 Spark 是否支持将一个 .bz2 自动拆分为多个分区?
另外,我怎么知道当 Hadoop 从一个 bz2 文件读入它时会有多少个分区。谢谢!
最佳答案
However, if I read in one single .bz2, would I still get one single giant partition?
Or will Spark support automatic split one .bz2 to multiple partitions?
n
分区读取
bzip2
文件,Spark 将产生
n
并行读取文件的任务。默认值
n
设置为
sc.defaultParallelism
.分区数是调用
textFile
的第二个参数。 (
docs )。
. one giant .gz file will read in to a single partition.
sc.textFile(myGiantGzipFile).repartition(desiredNumberOfPartitions)
Also, how do I know how many partitions it would be while Hadoop read in it from one bz2 file
.
yourRDD.partitions.size
对于 Scala api 或
yourRDD.getNumPartitions()
对于python api。
关于apache-spark - Spark : difference when read in . gz 和 .bz2,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37445054/
我应该如何在 lex(或 flex)中进行编程以从文本中删除嵌套注释并仅打印不在注释中的文本?我可能应该以某种方式识别我在评论中时的状态以及 block 评论的起始“标签”的数量。 让我们制定规则:
我按照 bz's demo 创建了一个可调整大小的表格列代码 但是当我创建超过 30 个列时,代码不起作用。我正在创建的表格非常简单: Column 1
我从我的教授那里得到了这个问题。 取一个整数 N 和一个具有 X 个整数的数组 A(非空)。您需要将数组 A 分成两部分,第一个数组 Ax(左数组)包含等于整数 N 的数字,数组 Ay(右数组)包含相
我发现很多页面都在说明如何解压 tar.bz2 文件,但是如何解压 tar.bz 文件呢? 最佳答案 使用 tar 的 -j 选项。 tar -xjf /path/to/archive.tar.bz
我想写一个匹配的正则表达式 a a-b 但前提是这些序列后面没有 Z ((a(-b)?)(?!Z)) a matches a ok a-b matches a-b
我正在尝试运行一些面部正面化代码(在 Windows10 上使用 Python3),该代码使用 opencv 和 dlib 并需要一个名为 shape_predictor_68_face_landma
尝试从 cassandra 执行 WordCount 示例并出现错误: 线程“主”java.lang.NoSuchMethodError 中的异常:org.apache.thrift.meta_dat
我正在尝试编写一个实用函数来打开三种不同类型的文件:.bz2、.gz 和 .txt。我不能只使用 File.read,因为它会返回压缩文件的垃圾。我正在尝试使用 Open3.popen3 以便我可以给
我是一名优秀的程序员,十分优秀!