在写入功能上使用分区时，为什么木木尺寸会增加？
当我
df.partitionBy('column1', 'column2')
以镶木格式写入pyspark dataframe时使用pyspark dataframe时，我的parquet（约2600万行，〜2000列的大小从50 GB上升到约150 GB。为什么分区会增加文件大小，并且有任何方式避免这个问题？
When I used the
df.partitionBy('column1', 'column2')
when writing a PySpark dataframe to s3 in parquet format, , my parquet (~26 million rows, ~2000 columns size went up from 50 GB to about 150 GB. Why does partitioning increase file size, and is there any way to avoid this issue?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论