Python中Spark读取parquet文件并获取schema的JSON表示

 

步骤：

1. 初始化SparkSession。

2. 使用spark.read.parquet()读取Parquet文件。

3. 调用df.schema.json()获取schema的JSON表示。

from pyspark.sql import SparkSession
 
# 初始化SparkSession
spark = SparkSession.builder.appName("ReadParquetSchema").getOrCreate()
 
# 读取Parquet文件
parquet_file_path = "path/to/your/parquet/file.parquet"
df = spark.read.parquet(parquet_file_path)
 
# 获取schema的JSON表示
schema_json = df.schema.json()

# 或者这样，第二种写法

# schema_json = spark.read.parquet(parquet_file_path).schema.json()

# 打印schema的JSON print(schema_json) # 停止SparkSession spark.stop()

 

这段代码会打印出Parquet文件的schema的JSON表示。你需要替换parquet_file_path变量的值为你的Parquet文件的实际路径。