无法在Spark中配置ORC属性

Question

我正在使用Spark 1.6（Cloudera 5.8.2），并尝试了以下方法来配置ORC属性。但这不会影响输出。

以下是我尝试过的代码段。

 DataFrame dataframe =
                hiveContext.createDataFrame(rowData, schema);
dataframe.write().format("orc").options(new HashMap(){
            {

                put("orc.compress","SNAPPY");
                put("hive.exec.orc.default.compress","SNAPPY");

                put("orc.compress.size","524288");
                put("hive.exec.orc.default.buffer.size","524288");


                put("hive.exec.orc.compression.strategy", "COMPRESSION");

            }
        }).save("spark_orc_output");

除此之外，我还尝试了在hive-site.xml和hiveContext对象中设置的这些属性。

hive –orcfiledump在输出中确认未应用配置。以下是Orcfiledump代码段。

Compression: ZLIB
Compression size: 262144

Answer 1

您在这里犯了两个不同的错误。我不怪你 我去过那儿…

问题1
orc.compress和其余的不是Spark DataFrameWriter选项。它们是Hive配置属性，必须 在
创建hiveContext对象 之前 定义…

• 无论是在hive-site.xml提供给星火在启动时
• 或在您的代码中，通过重新创建SparkContext…

sc.getConf.get("orc.compress","<undefined>") // depends on Hadoop conf
sc.stop
val scAlt = new org.apache.spark.SparkContext((new org.apache.spark.SparkConf).set("orc.compress","snappy"))
scAlt.getConf.get("orc.compress","<undefined>") // will now be Snappy
val hiveContextAlt = new org.apache.spark.sql.SQLContext(scAlt)

[编辑]使用Spark 2.x时，脚本将变为…
spark.sparkContext.getConf.get("orc.compress","<undefined>") // depends on Hadoop conf
spark.close
val sparkAlt = org.apache.spark.sql.SparkSesshtml" target="_blank">ion.builder().config("orc.compress","snappy").getOrCreate()
sparkAlt.sparkContext.getConf.get("orc.compress","<undefined>") // will now be Snappy

问题＃2
Spark将自己的SerDe库用于ORC（以及Parquet，JSON，CSV等），因此不必遵循标准的Hadoop / Hive属性。

Parquet有一些Spark特定的属性，并且有据可查。但是同样，必须 在 创建（或重新创建） 之前
设置这些属性hiveContext。

对于ORC和其他格式，您必须求助于特定于格式的DataFrameWriter选项。引用最新的JavaDoc
…

您可以设置以下特定于ORC的选项来编写ORC文件：
•
compression（默认值snappy）：保存到文件时使用的压缩编解码器。这可以是公知的，不区分大小写缩短名称之一（none，snappy，zlib，和lzo）。这将覆盖orc.compress

请注意，默认压缩编解码器已在Spark 2中更改； 在那之前zlib

因此，您唯一可以设置的是压缩编解码器，使用

dataframe.write().format("orc").option("compression","snappy").save("wtf")