如何在DBFS中保存和下载本地csv？

Question

由于SQL查询，我正在尝试保存csv文件，并通过Databricks发送到Athena。该文件应该是大约4-6 GB（约40m行）的大表。

我正在执行下一步：

1. 通过以下方式创建PySpark数据框：

   df = sqlContext.sql("select * from my_table where year = 19")
   

2. 将PySpark数据框转换为Pandas数据框。我知道，此步骤可能是不必要的，但我只是开始使用Databricks，可能不知道所需的命令来更快地完成此操作。所以我这样做：

   ab = df.toPandas()
   

3. 将文件保存在某处以便以后本地下载：

   ab.to_csv('my_my.csv')
   

但是我怎么下载呢？

我恳请您非常具体，因为我不了解使用Databricks的许多技巧和细节。

Answer 1

使用GUI，您可以下载完整结果（最多1百万行）。

要下载完整结果，请先将文件保存到dbfs，然后使用Databricks cli将文件复制到本地计算机，如下所示。

dbfs cp“ dbfs：/FileStore/tables/my_my.csv”“ A：\ AzureAnalytics”

参考： Databricks file system

DBFS命令行界面（CLI）使用DBFS API向DBFS公开了易于使用的命令行界面。使用此客户端，您可以使用与Unix命令行上使用的命令类似的命令与DBFS进行交互。例如：

# List files in DBFS
dbfs ls
# Put local file ./apple.txt to dbfs:/apple.txt
dbfs cp ./apple.txt dbfs:/apple.txt
# Get dbfs:/apple.txt and save to local file ./apple.txt
dbfs cp dbfs:/apple.txt ./apple.txt
# Recursively put local dir ./banana to dbfs:/banana
dbfs cp -r ./banana dbfs:/banana

参考： Installing and configuring Azure Databricks CLI

希望这会有所帮助。