Compartilhar via

Classe DataFrameWriter

Interface usada para gravar um DataFrame em sistemas de armazenamento externos (por exemplo, sistemas de arquivos, repositórios de chave-valor etc.

Dá suporte ao Spark Connect

Sintaxe

Use DataFrame.write para acessar essa interface.

Methods

Método Descrição
mode(saveMode) Especifica o comportamento quando os dados ou tabela já existem.
format(source) Especifica a fonte de dados de saída subjacente.
option(key, value) Adiciona uma opção de saída para a fonte de dados subjacente.
options(**options) Adiciona opções de saída para a fonte de dados subjacente.
partitionBy(*cols) Particiona a saída pelas colunas fornecidas no sistema de arquivos.
bucketBy(numBuckets, col, *cols) Buckets a saída pelas colunas fornecidas.
sortBy(col, *cols) Classifica a saída em cada bucket pelas colunas fornecidas no sistema de arquivos.
clusterBy(*cols) Agrupa os dados pelas colunas fornecidas para otimizar o desempenho da consulta.
save(path, format, mode, partitionBy, **options) Salva o conteúdo do DataFrame em uma fonte de dados.
insertInto(tableName, overwrite) Insere o conteúdo do DataFrame na tabela especificada.
saveAsTable(name, format, mode, partitionBy, **options) Salva o conteúdo do DataFrame como a tabela especificada.
json(path, mode, compression, ...) Salva o conteúdo do DataFrame no formato JSON no caminho especificado.
parquet(path, mode, partitionBy, compression) Salva o conteúdo do DataFrame no formato Parquet no caminho especificado.
text(path, compression, lineSep) Salva o conteúdo do DataFrame em um arquivo de texto no caminho especificado.
csv(path, mode, compression, sep, ...) Salva o conteúdo do DataFrame no formato CSV no caminho especificado.
xml(path, rowTag, mode, ...) Salva o conteúdo do DataFrame no formato XML no caminho especificado.
orc(path, mode, partitionBy, compression) Salva o conteúdo do DataFrame no formato ORC no caminho especificado.
excel(path, mode, dataAddress, headerRows) Salva o conteúdo do DataFrame no formato do Excel no caminho especificado.
jdbc(url, table, mode, properties) Salva o conteúdo do DataFrame em uma tabela de banco de dados externa por meio do JDBC.

Modos de Salvamento

O mode() método dá suporte às seguintes opções:

  • acréscimo: acrescente o conteúdo deste DataFrame aos dados existentes.
  • substituir: substituir dados existentes.
  • error ou errorifexists: gerar uma exceção se os dados já existirem (padrão).
  • ignore: ignore silenciosamente essa operação se os dados já existirem.

Exemplos

Gravando em diferentes fontes de dados

# Access DataFrameWriter through DataFrame
df = spark.createDataFrame([{"name": "Alice", "age": 30}])
df.write

# Write to JSON file
df.write.json("path/to/output.json")

# Write to CSV file with options
df.write.option("header", "true").csv("path/to/output.csv")

# Write to Parquet file
df.write.parquet("path/to/output.parquet")

# Write to a table
df.write.saveAsTable("table_name")

Usando o formato e salvar

# Specify format explicitly
df.write.format("json").save("path/to/output.json")

# With options
df.write.format("csv") \
    .option("header", "true") \
    .option("compression", "gzip") \
    .save("path/to/output.csv")

Especificando o modo de salvamento

# Overwrite existing data
df.write.mode("overwrite").parquet("path/to/output.parquet")

# Append to existing data
df.write.mode("append").parquet("path/to/output.parquet")

# Ignore if data exists
df.write.mode("ignore").json("path/to/output.json")

# Error if data exists (default)
df.write.mode("error").csv("path/to/output.csv")

Particionamento de dados

# Partition by single column
df.write.partitionBy("year").parquet("path/to/output.parquet")

# Partition by multiple columns
df.write.partitionBy("year", "month").parquet("path/to/output.parquet")

# Partition with bucketing
df.write \
    .bucketBy(10, "id") \
    .sortBy("age") \
    .saveAsTable("bucketed_table")

Gravando no JDBC

# Write to database table
df.write.jdbc(
    url="jdbc:postgresql://localhost:5432/mydb",
    table="users",
    mode="overwrite",
    properties={"user": "myuser", "password": "mypassword"}
)

Encadeamento de métodos

# Chain multiple configuration methods
df.write \
    .format("parquet") \
    .mode("overwrite") \
    .option("compression", "snappy") \
    .partitionBy("year", "month") \
    .save("path/to/output")

Gravando em tabelas

# Save as managed table
df.write.saveAsTable("my_table")

# Save as managed table with options
df.write \
    .mode("overwrite") \
    .format("parquet") \
    .partitionBy("year") \
    .saveAsTable("partitioned_table")

# Insert into existing table
df.write.insertInto("existing_table")

# Insert into existing table with overwrite
df.write.insertInto("existing_table", overwrite=True)
  • Last updated on