StreamingPro 支持多输入，多输出配置
前言
最近正好有个需求，就是从不同的数据库以及表里拉出数据，经过一定的处理放到ES里供查询，最好还能放个到parquet里，这样可以支持更复杂的SQL。之前StreamingPro是只能配置一个数据源的，所以做了些改造，方便配置多个数据源，以及多个写出。
最新的下载地址： https://pan.baidu.com/s/1eRO5Wga 依然的，比较大，因为现在他还能支持Thrift JDBC /Rest SQL： 使用StreamingPro 快速构建Spark SQL on CarbonData。
输入配置
{
"name": "batch.sources",
"params": [
{
"path": "file:///tmp/sample.csv",
"format": "com.databricks.spark.csv",
"outputTable": "test",
"header": "true"
},
{
"path": "file:///tmp/sample.csv",
"format": "com.databricks.spark.csv",
"outputTable": "test2",
"header": "true"
}
]
},以前用的是 batch.source, 如果你有多个输入源，则需要使用batch.sources 组件。每个源需要配置一个outputTable,也就是说这个源取个名字，方便后面使用。
如果是数据库，则可以这么写：
{
"name": "batch.sources",
"params": [
{
url:"jdbc:mysql://localhost/test?user=fred&password=secret",
"dbtable":"table1",
"driver":"com.mysql...",
"path": "-",
"format": "jdbc",
"outputTable": "test",
},
{
"path": "-",
"format": "com.databricks.spark.csv",
"outputTable": "test2",
"header": "true"
}
]
},输出
{
"name": "batch.outputs",
"params": [
{
"format": "json",
"path": "file:///tmp/kk2",
"inputTableName": "finalOutputTable"
},
{
"format": "parquet",
"path": "file:///tmp/kk3",
"inputTableName": "finalOutputTable"
}
]
}我这里同时输出为json以及parquet格式。
一个简单但是涉及点比较多的例子
{
"convert-multi-csv-to-json": {
"desc": "测试",
"strategy": "spark",
"algorithm": [],
"ref": [],
"compositor": [
{
"name": "batch.sources",
"params": [
{
"path": "file:///tmp/sample.csv",
"format": "com.databricks.spark.csv",
"outputTable": "test",
"header": "true"
},
{
"path": "file:///tmp/sample.csv",
"format": "com.databricks.spark.csv",
"outputTable": "test2",
"header": "true"
}
]
},
{
"name": "batch.sql",
"params": [
{
"sql": "select city as tp from test limit 100",
"outputTableName": "sqlTable"
}
]
},
{
"name": "batch.script",
"params": [
{
"inputTableName": "sqlTable",
"outputTableName": "scriptTable",
"useDocMap": true
},
{
"-": "val count = doc(\"tp\").toString.length;Map(\"count\"->count)"
}
]
},
{
"name": "batch.sql",
"params": [
{
"sql": "select scriptTable.tp,scriptTable.count,test2.city,test2.name from scriptTable,test2 limit 100",
"outputTableName": "finalOutputTable"
}
]
},
{
"name": "batch.outputs",
"params": [
{
"format": "json",
"path": "file:///tmp/kk2",
"inputTableName": "finalOutputTable"
},
{
"format": "parquet",
"path": "file:///tmp/kk3",
"inputTableName": "finalOutputTable"
}
]
}
],
"configParams": {
}
}
}在 batch.sql 里你可以引用任何一个源的表，或者之前已经在batch.sql里申明的outputTable, 同理batch.script。 而在batch.outputs里，你则可以将任何一张表写入到MySQL,ES,HDFS等文件存储系统中。
将配置文件保存一下，然后就可以启动了：
SHome=/Users/allwefantasy/streamingpro
./bin/spark-submit --class streaming.core.StreamingApp \
--master local[2] \
--name test \
$SHome/streamingpro-0.4.8-SNAPSHOT-online-1.6.1.jar \
-streaming.name test \
-streaming.platform spark \
-streaming.job.file.path file://$SHome/batch.json本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2017.03.06 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
云数据库 MySQL
腾讯云数据库 MySQL（TencentDB for MySQL）为用户提供安全可靠，性能卓越、易于维护的企业级云数据库服务。其具备6大企业级特性，包括企业级定制内核、企业级高可用、企业级高可靠、企业级安全、企业级扩展以及企业级智能运维。通过使用腾讯云数据库 MySQL，可实现分钟级别的数据库部署、弹性扩展以及全自动化的运维管理，不仅经济实惠，而且稳定可靠，易于运维。