popping chunks of rows from a pyspark dataframe

I’m looking for a way to process a pyspark data frame in chunks – so regardless of the number of rows in it (whether 5 rows, 2,000,000, etc) – I will process it in a loop and “pop” a chunk of x rows at a time (or less, if no more than that available), until it’s all processed. It’s a very similar approach to “pop”, but with multiple rows at a time.

The code needs to be agnostic of the structure of the data, which can change from run to run. It’s also important for me to keep the order of rows, so not to shuffle them along the way.

I have tried working with limit and subtract to acheive this effect, as follows (given the original data set is loaded into inputDf):

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>chunkSize = 100
keepGoing = True
while keepGoing:
unprocessedRows = inputDf.count()
if unprocessedRows >= processingChunkSize:
chunkDf = inputDf.limit(processingChunkSize)
inputDf = inputDf.subtract(chunkDf)
elif unprocessedRows > 0:
keepGoing = False
chunkDf = inputDf
else:
break
# process chunk...
chunkDf.show()
</code>
<code>chunkSize = 100 keepGoing = True while keepGoing: unprocessedRows = inputDf.count() if unprocessedRows >= processingChunkSize: chunkDf = inputDf.limit(processingChunkSize) inputDf = inputDf.subtract(chunkDf) elif unprocessedRows > 0: keepGoing = False chunkDf = inputDf else: break # process chunk... chunkDf.show() </code>
chunkSize = 100
keepGoing = True

while keepGoing:

   unprocessedRows = inputDf.count()

      if unprocessedRows >= processingChunkSize:
         chunkDf = inputDf.limit(processingChunkSize)
         inputDf = inputDf.subtract(chunkDf)

      elif unprocessedRows > 0:
         keepGoing = False
         chunkDf = inputDf

      else:
         break

    # process chunk...
    chunkDf.show()

However, while subtract indead removed the correct number of rows from the inputDf, it did not remove the exact same rows that were extracted into chunkDf – resulting in inconsistencies – some rows were present in multiple chunks while others were not present at all. I’m not sure why that is, but I read that in some scenarios subtract may do that. Same goes to exceptAll.

I also tried a similar approach but with using tail to retain the last number of rows that were not extracted by limit – but again, the result was similarly incosistent:

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>chunkSize = 100
keepGoing = True
while keepGoing:
unprocessedRows = inputDf.count()
if unprocessedRows >= chunkSize:
chunkDf = inputDf.limit(chunkSize)
if unprocessedRows > chunkSize:
inputDf = inputDf.tail(unprocessedRows-chunkSize)
else:
keepGoing = False
elif unprocessedRows > 0:
keepGoing = False
chunkDf = inputDf
else:
break
# process chunk...
chunkDf.show()
</code>
<code>chunkSize = 100 keepGoing = True while keepGoing: unprocessedRows = inputDf.count() if unprocessedRows >= chunkSize: chunkDf = inputDf.limit(chunkSize) if unprocessedRows > chunkSize: inputDf = inputDf.tail(unprocessedRows-chunkSize) else: keepGoing = False elif unprocessedRows > 0: keepGoing = False chunkDf = inputDf else: break # process chunk... chunkDf.show() </code>
chunkSize = 100
keepGoing = True

while keepGoing:

   unprocessedRows = inputDf.count()

   if unprocessedRows >= chunkSize:
      chunkDf = inputDf.limit(chunkSize)
      if unprocessedRows > chunkSize:
         inputDf = inputDf.tail(unprocessedRows-chunkSize)
      else:
         keepGoing = False

    elif unprocessedRows > 0:
       keepGoing = False
       chunkDf = inputDf

    else:
       break

    # process chunk...
    chunkDf.show()

Can anyone advise how I could get the desired outcome while ensuring that data is not missed or duplicated in the process?

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật