快捷導(dǎo)航

spark rdd轉(zhuǎn)dataframe 寫入mysql的實(shí)例講解

更新時間：2018年06月07日 09:10:13 作者：Dino系我

今天小編就為大家分享一篇spark rdd轉(zhuǎn)dataframe 寫入mysql的實(shí)例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

dataframe是在spark1.3.0中推出的新的api，這讓spark具備了處理大規(guī)模結(jié)構(gòu)化數(shù)據(jù)的能力，在比原有的RDD轉(zhuǎn)化方式易用的前提下，據(jù)說計算性能更還快了兩倍。spark在離線批處理或者實(shí)時計算中都可以將rdd轉(zhuǎn)成dataframe進(jìn)而通過簡單的sql命令對數(shù)據(jù)進(jìn)行操作，對于熟悉sql的人來說在轉(zhuǎn)換和過濾過程很方便，甚至可以有更高層次的應(yīng)用，比如在實(shí)時這一塊，傳入kafka的topic名稱和sql語句，后臺讀取自己配置好的內(nèi)容字段反射成一個class并利用出入的sql對實(shí)時數(shù)據(jù)進(jìn)行計算，這種情況下不會spark streaming的人也都可以方便的享受到實(shí)時計算帶來的好處。　　　

下面的示例為讀取本地文件成rdd并隱式轉(zhuǎn)換成dataframe對數(shù)據(jù)進(jìn)行查詢，最后以追加的形式寫入mysql表的過程,scala代碼示例如下

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]")
// ----------------------
 //參數(shù) spark.sql.autoBroadcastJoinThreshold 設(shè)置某個表是否應(yīng)該做broadcast，默認(rèn)10M，設(shè)置為-1表示禁用
 //spark.sql.codegen 是否預(yù)編譯sql成java字節(jié)碼，長時間或頻繁的sql有優(yōu)化效果
 // spark.sql.inMemoryColumnarStorage.batchSize 一次處理的row數(shù)量，小心oom
 //spark.sql.inMemoryColumnarStorage.compressed 設(shè)置內(nèi)存中的列存儲是否需要壓縮
// ----------------------
 conf.set("spark.sql.shuffle.partitions","20") //默認(rèn)partition是200個
 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) { //做一個簡單的過濾
  ac.add(1)
  false
  } else true)
  .map(line => memberbase(line(0).toLong, line(1),Timestamp.valueOf(line(2)), line(3).toInt))
 // 方法一、利用隱式轉(zhuǎn)換
 import sqc.implicits._
 val dftemp = log.toDF() // 轉(zhuǎn)換
 /*
  方法二、利用createDataFrame方法,內(nèi)部利用反射獲取字段及其類型
  val dftemp = sqc.createDataFrame(log)
  */
 val df = dftemp.registerTempTable("memberbaseinfo")
 /*val sqlcommand ="select date_format(createtime,'yyyy-MM')as mm,count(1) as nums " +
  "from memberbaseinfo group by date_format(createtime,'yyyy-MM') " +
  "order by nums desc,mm asc "*/
 val sqlcommand="select * from memberbaseinfo"
 val sel = sqc.sql(sqlcommand)
 val prop = new java.util.Properties
 prop.setProperty("user","etl")
 prop.setProperty("password","xxx")
 // 調(diào)用DataFrameWriter將數(shù)據(jù)寫入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()
 }
}

上面代碼textFile中的示例數(shù)據(jù)如下，數(shù)據(jù)來自hive，字段信息分別為分區(qū)號、用戶id、注冊時間、第三方號

20160309 45386477 2012-06-12 20:13:15 901438
20160309 45390977 2012-06-12 22:38:06 901036
20160309 45446677 2012-06-14 21:57:39 901438
20160309 45464977 2012-06-15 13:42:55 901438
20160309 45572377 2012-06-18 14:55:03 902606
20160309 45620577 2012-06-20 00:21:09 902606
20160309 45628377 2012-06-20 10:48:05 901181
20160309 45628877 2012-06-20 11:10:15 902606
20160309 45667777 2012-06-21 18:58:34 902524
20160309 45680177 2012-06-22 01:49:55 
20160309 45687077 2012-06-22 11:23:22 902607

這里注意字段類型映射，即case class類到dataframe映射，從官網(wǎng)的截圖如下