Объединение двух паркетных файлов с разными схемами

У меня есть два паркетных файла: Parquet A имеет 137 столбцов, а Parquet B - 110 столбцов. Паркет В файле хранится вся история таблицы. Таким образом, в Parquet A есть все поля для всей истории таблицы. Паркет B - это все значения, которые я сегодня вставил, а 17 столбцов были удалены. Я хочу объединить паркет A с паркетом B, но у них нет такого же количества столбцов. Так что каждый раз это терпит неудачу.

Я пробовал mergeSchema, но это не удалось. Можно ли добавить недостающие столбцы к паркету Б и добавить нули. Тогда сделать союз?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
1
1 919
1

Ответы 1

Я бы порекомендовал вам загрузить оба паркетных файла в Spark как фреймы данных и использовать преобразования для соответствия схемам фреймов данных. Из того, что вы описываете, похоже, что вы хотите, чтобы Parquet A (большая таблица) был преобразован так, чтобы он соответствовал схеме Parquet B. Функция "отбрасывать" столбец - простой способ выполнить это [документы].

Вот образец, который я написал, где у паркета A 5 цапф, а у паркета B 4 цапфы.

Показаны схемы двух таблиц (фреймов данных): schema print

Удаление лишнего столбца и создание объединения двух таблиц (фреймов данных): union

Извините, нет, я хочу добавить столбцы из паркета A в паркет B. Я не хочу избавляться от столбцов из паркета A. Я больше не вытягиваю эти поля, поэтому с каждым новым файлом паркета B их не будет. столбцы на паркете A. Я просто хочу, чтобы эти столбцы были нулевыми. Я не знаю, что это за колонны, поэтому я ищу способ сравнить два паркета. если в паркете B отсутствуют колонны, сложите колонны и выполните объединение.

oharr 06.09.2018 20:39

Не могли бы вы проверить ссылку ниже, это то, что вы ищете? В сообщении есть ответ - как выполнить объединение двух DataFrames с разным количеством столбцов в искре. через pgm вам просто нужно построить все отсутствующие столбцы как пустые, поскольку вы не знаете, какие столбцы отсутствуют. stackoverflow.com/questions/39758045/…

Karthick 06.09.2018 20:48

Другие вопросы по теме