PySpark - SparkFiles

---

在 Apache Spark 中，您可以使用sc.addFile上传文件（sc 是默认的 SparkContext），并使用SparkFiles.get获取工作线程上的路径。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 -

• 获取（文件名）
• 获取根目录()

让我们详细了解它们。

获取（文件名）

它指定通过 SparkContext.addFile() 添加的文件的路径。

获取根目录()

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