一、首先使用sparksql讀取需要合并的數據。當然有兩種情況，

　　一種是讀取全部數據，即需要合并所有小文件。

　　第二種是合并部分數據，比如只查詢某一天的數據，只合并某一個天分區下的小文件。

val df: DataFrame = spark.sql("sql")

二、將讀取到的數據寫入臨時文件中。此處需注意使用coalesce方法對文件進行合并。

df.coalesce(1).write.mode(SaveMode.Overwrite).parquet(temp_path)

三、將臨時文件寫入待合并文件的目錄，并采用Overwrite的方式。

spark.read.parquet(tmp_path).write.mode(SaveMode.Overwrite).save(origin_table_path)

參考以下文章，感謝分享：https://www.cnblogs.com/zfwwdz/p/13154995.html

總結

以上是生活随笔為你收集整理的spark 实现HDFS小文件合并的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。