我明白你遇到的困扰——用com.crealytics.spark.excel处理大文件失败后，切换到org.zuinnote.spark.office.excel却发现追加模式生成了两个独立文件，而不是同一个工作簿里的两个Sheet。其实这个库有专门的配置项来实现你要的效果，下面是具体的解决方案：

关键配置参数说明 #

这个库默认的追加行为是生成新文件，要让它在已有工作簿中新增Sheet，需要添加以下核心参数：

• hadoopoffice.write.excel.createifnotexists: 设置为true，表示如果目标Excel文件不存在则创建，存在则在其中新增Sheet
• hadoopoffice.write.excel.sheet.name: 指定当前DataFrame要写入的Sheet名称（避免使用默认名导致覆盖）
• 确保两次写入使用完全相同的HDFS路径，且写入模式为SaveMode.Append

修改后的代码示例 #

写入第一个Sheet（lines） #

df3.coalesce(1).write()
    .format("org.zuinnote.spark.office.excel")
    .option("write.spark.defaultsheetname", "lines")
    .option("hadoopoffice.write.header.write", true)
    // 首次写入添加该参数，确保文件不存在时创建
    .option("hadoopoffice.write.excel.createifnotexists", true)
    .save("hdfs://${namenode}/" + outFile + ".xls");

写入第二个Sheet（newlines） #

fdf3.coalesce(1).write()
    .format("org.zuinnote.spark.office.excel")
    .option("hadoopoffice.write.header.write", true)
    // 指定要新增的Sheet名称
    .option("hadoopoffice.write.excel.sheet.name", "newlines")
    // 允许在已有文件中新增Sheet
    .option("hadoopoffice.write.excel.createifnotexists", true)
    .mode(SaveMode.Append)
    .save("hdfs://${namenode}/" + outFile + ".xls");

额外注意事项 #

1. coalesce(1)的性能考量：你用coalesce(1)保证每个Sheet是单一文件，但处理1GB级数据时可能会给单节点带来压力。如果性能有问题，可以尝试结合库的hadoopoffice.write.excel.sheet.partitioning参数实现并行写入（前提是业务允许Sheet内数据分区存储）。
2. 版本兼容性：建议使用org.zuinnote.spark.office.excel0.1.0及以上版本，旧版本可能不支持新增Sheet的功能。
3. HDFS权限检查：确认Spark进程拥有目标HDFS路径的读写权限，避免因权限问题导致写入失败。

这样修改后，两个DataFrame就会被写入同一个Excel工作簿的lines和newlines两个独立Sheet中了。

内容的提问来源于stack exchange，提问作者Arjun