这个 parquet.block.size 属性只影响Parquet地板编写器。这个 hdfs dfs -cp 另一方面，命令复制文件而不考虑其内容。这个 parquet.block.size 属性因此被忽略 hdfs dfs -cp .
假设您有一个应用程序，根据配置文件以jpg或png格式截图。你用 cp 命令。当然，即使您在配置文件中更改了所需的图像格式 cp 命令将始终以原始文件的图像格式创建输出文件，而不考虑配置文件。配置文件仅由屏幕截图应用程序使用，而不是由 cp . 这就是 parquet.block.size 房地产也是如此。
更改块大小的方法是重写文件。你说过你有 spark-shell . 通过发出

sc.hadoopConfiguration.setInt("parquet.block.size", 67108864)
var df = spark.read.parquet("/path/to/input.parquet")
df.write.parquet("/path/to/output")

更新：由于您在下面的评论中提到它对您不起作用，我做了一个实验，并将会议记录发布在下面：

$ spark-shell
scala> sc.hadoopConfiguration.setInt("parquet.block.size", 200000)
scala> var df = spark.read.parquet("/tmp/infile.parquet")
df: org.apache.spark.sql.DataFrame = [field0000: binary, field0001: binary ... 78 more fields]
scala> df.write.parquet("/tmp/200K")
scala> df.write.format("parquet").mode("Overwrite").options(Map("parquet.block.size" -> "300000")).save("/tmp/300K")
scala> :quit
$ hadoop fs -copyToLocal /tmp/{200K,300K} /tmp
$ parquet-tools meta /tmp/infile.parquet | grep "row group" | head -n 3
row group 1:  RC:4291 TS:5004800 OFFSET:4
row group 2:  RC:3854 TS:4499360 OFFSET:5004804
row group 3:  RC:4293 TS:5004640 OFFSET:10000000
$ parquet-tools meta /tmp/200K/part-00000-* | grep "row group" | head -n 3
row group 1:   RC:169 TS:202080 OFFSET:4
row group 2:   RC:168 TS:201760 OFFSET:190164
row group 3:   RC:169 TS:203680 OFFSET:380324
$ parquet-tools meta /tmp/300K/part-00000-* | grep "row group" | head -n 3
row group 1:   RC:254 TS:302720 OFFSET:4
row group 2:   RC:255 TS:303280 OFFSET:284004
row group 3:   RC:263 TS:303200 OFFSET:568884

通过查看ts值，可以看到输入文件的行组大小为4.5-5m，输出文件的行组大小分别为200k和300k。这表明使用 sc.hadoopConfiguration 成为“default”，而您在下面的注解中提到的另一个方法 df.options 覆盖此默认值。
更新2：现在你已经发布了你的输出，我可以看到发生了什么。在您的例子中，压缩正在进行，增加了适合行组的数据量。行组大小适用于压缩数据，但ts显示未压缩数据的大小。但是，可以通过减去行组的起始偏移量来推断行组的大小。例如，第一行组的压缩大小为59176084-4=59176080字节或更小（因为也可以进行填充）。我将您的结果复制到计算机上的/tmp/rowgroups.dat中，并通过发出以下命令来计算您的行组大小：

$ cat /tmp/rowgroups.dat | sed 's/.*OFFSET://' | numinterval
59176080
60809783
29408673
64243499
63585828
54864199
57684584
38374804
55453519

（the） numinterval 命令位于 num-utils 如您所见，您的所有行组都小于您指定的行组大小(它们不完全符合规定尺寸的原因是parquet-1337。）