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?
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):
Удаление лишнего столбца и создание объединения двух таблиц (фреймов данных):
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.
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/…
Возможный дубликат Как выполнить объединение двух DataFrames с разным количеством столбцов в искре?