文档首页/ MapReduce服务 MRS/ 组件操作指南（普通版）/ 使用Loader/ 算子帮助/ 输出算子/ Spark输出
更新时间：2024-11-23 GMT+08:00
查看PDF
分享

Spark输出

概述

“Spark输出”算子，用于配置已生成的字段输出到SparkSQL表的列。

输入与输出

  • 输入：需要输出的字段
  • 输出：SparkSQL表

参数说明

表1 算子参数说明

参数

含义

类型

是否必填

默认值

Spark文件存储格式

配置SparkSQL表文件的存储格式（目前支持四种格式：CSV、ORC、RC和PARQUET）。

说明：
  • PARQUET格式是一种列式存储格式，PARQUET要求Loader的输出字段名和SparkSQL表中的字段名保持一致。
  • Hive 1.2.0版本之后，Hive使用字段名称替代字段序号对ORC文件进行解析，因此，Loader的输出字段名和SparkSQL表中的字段名需要保持一致。

enum

是

CSV

Spark文件压缩格式

在下拉菜单中选择SparkSQL表文件的压缩格式，未配置或选择“NONE”表示不压缩数据。

enum

是

NONE

Spark ORC文件版本

通过该字段配置ORC文件的版本（当SparkSQL表文件的存储格式是ORC时）。

enum

是

0.12

输出分隔符

配置分隔符。

string

是

无

输出字段

配置输出信息：

  • 位置：配置输出字段的位置。
  • 字段名：配置输出字段的字段名。
  • 类型：配置字段类型，字段类型为“DATE”或“TIME”或“TIMESTAMP”时，需指定特定时间格式，其他类型指定无效。时间格式如：“yyyyMMdd HH:mm:ss”。
  • 十进制格式：配置小数的刻度和精度。
  • 长度：配置字段长度，字段值实际长度太长则按配置的长度截取，“类型”为“CHAR”时实际长度不足则空格补齐，“类型”为“VARCHAR”时实际长度不足则不补齐。
  • 分区键：配置是否为分区列。可以不指定分区列，也可以指定多个分区列。配置多个列为分区列时，会按照配置列的先后顺序对其进行拼接。

map

是

无

数据处理规则

  • 将字段值输出到SparkSQL表中。
  • 如果指定了一个或多个列为分区列，则在作业配置第四步“输出设置”页面上，会显示“分割程序”属性，该属性表示使用多少个处理器去对分区数据进行处理。
  • 如果没有指定任何列为分区列，则表示不需要对输入数据进行分区处理，“分割程序”属性默认隐藏。

样例

通过“CSV文件输入”算子，生成两个字段A和B。

源文件如下：

配置“Spark输出”算子，将A和B输出到SparkSQL的表中。

父主题： 输出算子

相关文档