PySpark SparkFiles

在Apache Spark中，你可以使用 sc.addFile 上传你的文件（sc是你默认的SparkContext），并使用 SparkFiles.get 在worker上获得路径 。 因此，SparkFiles解决了通过 SparkContext.addFile() 添加的文件的路径 。

SparkFiles包含以下类方法：

• get(filename)
• getrootdirectory()

让我们来详细了解一下它们。

get(filename)

它指定了通过SparkContext.addFile()添加的文件的路径。

getrootdirectory()

它指定了根目录的路径，该目录包含了通过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