Spark現在のパーティションのpartitionIdを取得

2499 ワード

私のオリジナルアドレス:https://dongkelun.com/2018/06/28/sparkGetPartitionId/

前言


ここではSparkが現在のパーティションのpartitionIdを取得する方法について説明します.これはTaskContext.を通じてget.partitionId(公式サイトで見たものです)については、以下に例を示します.

1、コード


次のコードは主にSparkSession、SparkContextが作成したrddとdfがサポートされているかどうかをテストします.
package com.dkl.leanring.partition

import org.apache.spark.sql.SparkSession
import org.apache.spark.TaskContext

/**
 *  partitionId
 */
object GetPartitionIdDemo {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("GetPartitionIdDemo").master("local").getOrCreate()
    val sc = spark.sparkContext
    val data = Seq(1, 2, 3, 4)

    //  rdd, 
    val rdd = sc.parallelize(data, 3)
    rdd.foreach(i => {
      println("partitionId:" + TaskContext.get.partitionId)
    })

    import spark.implicits._
    //  df, 
    val df = rdd.toDF("id")
    df.show
    df.foreach(row => {
      println("partitionId:" + TaskContext.get.partitionId)
    })
    //  df, 
    val data1 = Array((1, 2), (3, 4))
    val df1 = spark.createDataFrame(data1).repartition(2)
    df1.show()
    df1.foreach(row => {
      println("partitionId:" + TaskContext.get.partitionId)
    })

  }
}

2、結果