如何将 Spark 数据帧（在 DataBricks 中）写入 Blob 存储（在 Azure 中）？

Question

我在 DataBricks 工作，那里有一个 DataFrame。

type(df) 
Out: pyspark.sql.dataframe.DataFrame

我唯一想要的就是将这个完整的 spark 数据帧写入 Azure Blob Storage。

我找到了this 的帖子。所以我尝试了那个代码：

# Configure blob storage account access key globally
spark.conf.set(
  "fs.azure.account.key.%s.blob.core.windows.net" % storage_name,
  sas_key)

output_container_path = "wasbs://%s@%s.blob.core.windows.net" % (output_container_name, storage_name)
output_blob_folder = "%s/wrangled_data_folder" % output_container_path

# write the dataframe as a single file to blob storage
(datafiles
 .coalesce(1)
 .write
 .mode("overwrite")
 .option("header", "true")
 .format("com.databricks.spark.csv")
 .save(output_blob_folder))

运行该代码会导致以下错误。更改镶木地板和其他格式的“csv”部分也失败了。

org.apache.spark.sql.AnalysisException: CSV data source does not support struct<AccessoryMaterials:string,CommercialOptions:string,DocumentsUsed:array<string>,Enumerations:array<string>,EnvironmentMeasurements:string,Files:array<struct<Value:string,checksum:string,checksumType:string,name:string,size:string>>,GlobalProcesses:string,Printouts:array<string>,Repairs:string,SoftwareCapabilities:string,TestReports:string,endTimestamp:string,name:string,signature:string,signatureMeaning:bigint,startTimestamp:string,status:bigint,workplace:string> data type.;

因此我的问题（我的假设应该很容易）： 如何将我的 Spark 数据帧从 DataBricks 写入 Azure Blob 存储？

我的 Azure 文件夹结构是这样的：

Account = MainStorage 
Container 1 is called "Data" # containing all the data, irrelevant because i already read this in. 
Container 2 is called "Output" # here I want to store my Spark Dataframe. 

提前非常感谢！

编辑 我正在使用 Python。但是，我不介意该解决方案是否使用其他语言（只要 DataBricks 支持它们，例如 R/Scala 等）。如果它有效，那就完美了:-)

Answer 1

假设您已经安装了 blob 存储，请使用以下方法将数据框写入 csv 格式。
请注意，新创建的文件将具有一些默认文件名，扩展名为 csv，因此您可能需要使用一致的名称重命名它。

// output_container_path= wasbs://ContainerName@StorageAccountName.blob.core.windows.net/DirectoryName 
val mount_root = "/mnt/ContainerName/DirectoryName"
df.coalesce(1).write.format("csv").option("header","true").mode("OverWrite").save(s"dbfs:$mount_root/")