Могу ли я сообщить spark.read.json, что мои файлы сжаты с помощью gzip?

У меня есть ведро s3 с почти 100 КБ файлов JSON, сжатых gzip.

Эти файлы называются [timestamp].json вместо более разумного [timestamp].json.gz.

У меня есть другие процессы, которые их используют, поэтому переименование - не вариант, а их копирование - еще менее идеальный вариант.

Я использую spark.read.json([pattern]) для чтения этих файлов. Если я переименую имя файла, чтобы оно содержало .gz, это работает нормально, но, хотя расширение просто .json, их нельзя прочитать.

Есть ли способ узнать Spark, что эти файлы заархивированы?

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
9
0
9 417
1

Ответы 1

SparkSession может напрямую читать сжатый файл json, вот так:

val json=spark.read.json("/user/the_file_path/the_json_file.log.gz") json.printSchema()

Да, я знаю, но похоже, что сжатие следует из имени файла. файлы, заканчивающиеся только на json или .json.gzip, похоже, не работают при использовании spark.read.json(FILENAME)

Hans 21.01.2021 15:56

Другие вопросы по теме