无法在Spark中配置ORC属性

您在这里犯了两个不同的错误。我不怪你 我去过那儿...

问题1
orc.compress和其余的不是Spark DataFrameWriter选项。它们是Hive配置属性，必须在创建hiveContext对象之前定义...

无论是在hive-site.xml提供给星火在启动时

或在您的代码中，通过重新创建SparkContext...

 sc.getConf.get("orc.compress","") // depends on Hadoop conf
 sc.stop
 val scAlt = new org.apache.spark.SparkContext((new org.apache.spark.SparkConf).set("orc.compress","snappy"))
 scAlt.getConf.get("orc.compress","") // will now be Snappy
 val hiveContextAlt = new org.apache.spark.sql.SQLContext(scAlt)

[编辑]使用Spark 2.x，脚本将变为...
 spark.sparkContext.getConf.get("orc.compress","") // depends on Hadoop conf
 spark.close
 val sparkAlt = org.apache.spark.sql.SparkSession.builder().config("orc.compress","snappy").getOrCreate()
 sparkAlt.sparkContext.getConf.get("orc.compress","") // will now be Snappy

问题＃2
Spark将自己的SerDe库用于ORC（以及Parquet，JSON，CSV等），因此不必遵循标准的Hadoop / Hive属性。

Parquet有一些Spark特定的属性，并且有据可查。但是同样，必须在创建（或重新创建）之前设置这些属性hiveContext。

对于ORC和其他格式，您必须求助于特定于格式的DataFrameWriter选项。引用最新的JavaDoc ...

您可以设置以下特定于ORC的选项来编写ORC文件：
• compression（默认值snappy）：保存到文件时使用的压缩编解码器。这可以是公知的，不区分大小写缩短名称之一（none，snappy，zlib，和lzo）。这将覆盖orc.compress

请注意，默认压缩编解码器已在Spark 2中更改；在那之前zlib

因此，您唯一可以设置的就是压缩编解码器，使用

dataframe.write().format("orc").option("compression","snappy").save("wtf")