hadoop - 如何在 spark 中使用 `wholeTextFile` 保存来自 `saveATextFile` RDD 的结果？

Question

我在 wholeTextFile RDD 中使用 spark 在 HDFS 中创建了许多文件，我希望能够使用

将它们保存在特定目录中

anRDD.saveAsTextFile(<directory_path>)

问题是它会尝试创建一个全新的目录。我只想将这些结果放在现有目录中。我该怎么做呢？

我已经查看了文档 here ，但 path 参数似乎没有任何改变。

谢谢。

Answer 1

你有几个选择:

1. 滚动您自己的 saveAsTextFile 实现，不检查输出目录是否已经存在。

2. 写入临时文件夹，然后将文件移动到现有目录。

---

RDD.saveAsTextFile 使用 TextOutputFormat，一种 Hadoop OutputFormat，来写入结果。如果您查看 TextOutputFormat 及其基类 FileOutputFormat 的实现，则没有覆盖或附加到现有目录的选项。这是有道理的，因为它需要为每个输出部分提供唯一的文件名。