如果文件已存在于 pyspark 中，如何覆盖 rdd saveAsPickleFile(path)？

如何覆盖 当我们节省时间时，RDD 输出对象任何现有路径。

test1:

975078|56691|2.000|20171001_926_570_1322
975078|42993|1.690|20171001_926_570_1322
975078|46462|2.000|20171001_926_570_1322
975078|87815|1.000|20171001_926_570_1322

rdd=sc.textFile('/home/administrator/work/test1').map( lambda x: x.split("|")[:4]).map( lambda r: Row( user_code = r[0],item_code = r[1],qty = float(r[2])))
rdd.coalesce(1).saveAsPickleFile("/home/administrator/work/foobar_seq1")

第一次可以正确保存。现在我再次从输入中删除了一行 文件和保存RDD相同的位置，它表明文件已经存在。

rdd.coalesce(1).saveAsPickleFile("/home/administrator/work/foobar_seq1") 

例如，在数据框中我们可以覆盖现有路径。

df.coalesce(1).write().overwrite().save(path)

如果我对 RDD 对象执行相同操作，则会出现错误。

rdd.coalesce(1).write().overwrite().saveAsPickleFile(path)

请帮我解决这个问题

您好，您可以像下面这样保存 RDD 文件Note（代码在 scala 中，但 python 的逻辑也应该相同）我正在使用 2.3.0 Spark 版本。

  val sconf = new SparkConf().set("spark.hadoop.validateOutputSpecs", "False").setMaster("local[*]").setAppName("test")
  val scontext = new SparkContext(sconf)
  val lines = scontext.textFile("s${filePath}", 1)
    println(lines.first)
    lines.saveAsTextFile("C:\\Users\\...\\Desktop\\sample2")

或者如果您使用 DataFrame 然后使用

DF.write.mode(SaveMode.Overwrite).parquet(path.parquet)

或了解更多信息，请查看