PySpark - SparkFiles 概述

在 Apache Spark 中,您可以使用 sc.addFile(sc 是您的默认 SparkContext)上传您的文件,并使用 SparkFiles.get 获取 worker 的路径。 因此,SparkFiles 解析通过 SparkContext.addFile() 添加的文件的路径。

SparkFiles 包含以下类方法 −

  • get(filename)
  • getrootdirectory()

让我们详细了解它们。


get(filename)

它指定了通过SparkContext.addFile()添加的文件的路径。


getrootdirectory()

它指定根目录的路径,其中包含通过 SparkContext.addFile() 添加的文件。

----------------------------------------sparkfile.py------------------------------------
from pyspark import SparkContext
from pyspark import SparkFiles
finddistance = "/home/hadoop/examples_pyspark/finddistance.R"
finddistancename = "finddistance.R"
sc = SparkContext("local", "SparkFile App")
sc.addFile(finddistance)
print "Absolute Path -> %s" % SparkFiles.get(finddistancename)
----------------------------------------sparkfile.py------------------------------------

命令 − 命令如下 −

$SPARK_HOME/bin/spark-submit sparkfiles.py

输出 − 上述命令的输出是 −

Absolute Path -> 
   /tmp/spark-f1170149-af01-4620-9805-f61c85fecee4/userFiles-641dfd0f-240b-4264-a650-4e06e7a57839/finddistance.R