dataframe是在spark1.3.0中推出的新的api,这让spark具备了处理大规模结构化数据的能力,在比原有的RDD转化方式易用的前提下,据说计算性能更还快了两倍。spark在离线批处理或者实时计算中都可以将rdd转成dataframe进而通过简单的sql命令对数据进行操作,对于熟悉sql的人来说在转换和过滤过程很方便,甚至可以有更高层次的应用,比如在实时这一块,传入kafka的topic名称和sql语句,后台读取自己配置好的内容字段反射成一个class并利用出入的sql对实时数据进行计算,这种情况下不会spark streaming的人也都可以方便的享受到实时计算带来的好处。
下面的示例为读取本地文件成rdd并隐式转换成dataframe对数据进行查询,最后以追加的形式写入mysql表的过程,scala代码示例如下
import java.sql.Timestamp
import org.apache.spark.sql.{SaveMode, SQLContext}
import org.apache.spark.{SparkContext, SparkConf}
object DataFrameSql {
case class memberbase(data_date:Long,memberid:String,createtime:Timestamp,sp:Int)extends Serializable{
override def toString: String="%d\t%s\t%s\t%d".format(data_date,memberid,createtime,sp)
}
def main(args:Array[String]): Unit ={
val conf = new SparkConf()
conf.setMaster("local[2]")
// ----------------------
//参数 spark.sql.autoBroadcastJoinThreshold 设置某个表是否应该做broadcast,默认10M,设置为-1表示禁用
//spark.sql.codegen 是否预编译sql成java字节码,长时间或频繁的sql有优化效果
// spark.sql.inMemoryColumnarStorage.batchSize 一次处理的row数量,小心oom
//spark.sql.inMemoryColumnarStorage.compressed 设置内存中的列存储是否需要压缩
// ----------------------
conf.set("spark.sql.shuffle.partitions","20") //默认partition是200个
conf.setAppName("dataframe test")
val sc = new SparkContext(conf)
val sqc = new SQLContext(sc)
val ac = sc.accumulator(0,"fail nums")
val file = sc.textFile("src\\main\\resources\\000000_0")
val log = file.map(lines => lines.split(" ")).filter(line =>
if (line.length != 4) { //做一个简单的过滤
ac.add(1)
false
} else true)
.map(line => memberbase(line(0).toLong, line(1),Timestamp.valueOf(line(2)), line(3).toInt))
// 方法一、利用隐式转换
import sqc.implicits._
val dftemp = log.toDF() // 转换
val df = dftemp.registerTempTable("memberbaseinfo")
val sqlcommand="select * from memberbaseinfo"
val sel = sqc.sql(sqlcommand)
val prop = new java.util.Properties
prop.setProperty("user","etl")
prop.setProperty("password","xxx")
// 调用DataFrameWriter将数据写入mysql
val dataResult = sqc.sql(sqlcommand).write.mode(SaveMode.Append).jdbc("jdbc:mysql://localhost:3306/test","t_spark_dataframe_test",prop) // 表可以不存在
println(ac.name.get+" "+ac.value)
sc.stop()
}
}
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
软考中级精品资料免费领
- 历年真题答案解析
- 备考技巧名师总结
- 高频考点精准押题
- 资料下载
- 历年真题
193.9 KB下载数265
191.63 KB下载数245
143.91 KB下载数1148
183.71 KB下载数642
644.84 KB下载数2756
相关文章
发现更多好内容猜你喜欢
AI推送时光机spark rdd转dataframe 写入mysql的实例讲解
数据库2024-04-02
Spark SQL中的RDD与DataFrame转换实例用法
数据库2023-06-02
实例讲解MySQL数据库的查询优化技术(转)
数据库2024-04-02
咦!没有更多了?去看看其它编程学习网 内容吧