SparkSQL如何实现多数据源交互？这篇博客或许能告诉你答案!

大数据梦想家

发布于 2021-01-27 16:02:37

6240

发布于 2021-01-27 16:02:37

学了一段时间的SparkSQL，相信大家都已经知道了SparkSQL是一个相当强大的存在，它在一个项目的架构中扮演着离线数据处理的"角色"，相较于前面学过的HQL，SparkSQL能明显提高数据的处理效率。正因为如此，SparkSQL就会涉及到与多种的数据源进行一个交互的过程。那到底是如何交互的呢，下文或许能给你带来答案…

码字不易，先赞后看，养成习惯!

Spark SQL可以与多种数据源进行交互，如普通文本、json、parquet、csv、MySQL等

下面将从写数据和读数据两个角度来进行演示。

准备数据

以下面的演示为例，我们在本地的D:\data目录下创建一个person.txt

19 zhhshang 66
20 lisi 66
19 wangwu 77
31 zhaoliu 66
19 maqi 88

并在本地Mysql创建一个数据库spark_test，并创建一个表名persons，并且表结构如下所示：

写入数据

object WriterDataSourceDemo {
  case class Person(id:Int,name:String,age:Int)

  def main(args: Array[String]): Unit = {
    //1.创建SparkSession
    val spark: SparkSession = SparkSession.builder().master("local[*]").appName("SparkSQL")
      .getOrCreate()
    val sc: SparkContext = spark.sparkContext
    sc.setLogLevel("WARN")
    //2.读取文件
    val fileRDD: RDD[String] = sc.textFile("D:\\data\\person.txt")
    val linesRDD: RDD[Array[String]] = fileRDD.map(_.split(" "))
    val rowRDD: RDD[Person] = linesRDD.map(line =>Person(line(0).toInt,line(1),line(2).toInt))
    //3.将RDD转成DF
    //注意:RDD中原本没有toDF方法,新版本中要给它增加一个方法,可以使用隐式转换
    import spark.implicits._
    //注意:上面的rowRDD的泛型是Person,里面包含了Schema信息
    //所以SparkSQL可以通过反射自动获取到并添加给DF
    val personDF: DataFrame = rowRDD.toDF
    //==================将DF写入到不同数据源===================
    //Text data source supports only a single column, and you have 3 columns.;
    //personDF.write.text("D:\\data\\output\\text")
    personDF.write.json("D:\\data\\output\\json")
    personDF.write.csv("D:\\data\\output\\csv")
    personDF.write.parquet("D:\\data\\output\\parquet")
    val prop = new Properties()
    prop.setProperty("user","root")
    prop.setProperty("password","root")
    // 将数据写入到数据库
    personDF.write.mode(SaveMode.Overwrite).jdbc(
      "jdbc:mysql://localhost:3306/spark_test?characterEncoding=UTF-8","persons",prop)
    println("写入成功")
    sc.stop()
    spark.stop()
  }
}

运行结果：

我们在程序中设置的输出路径下看到了已经生成的三个文件

csv目录

json目录

parquet目录

再让我们打开数据库看看

发现我们新建的数据库中的数据也添加了进来

说明我们的数据写入成功了，感兴趣的朋友们可以自己试一下哟~

下面我们再来尝试把数据从我们写入的数据文件中读取出来。

读数据

object ReadDataSourceDemo {
  def main(args: Array[String]): Unit = {
    //1.创建SparkSession
    val spark: SparkSession = SparkSession.builder().master("local[*]").appName("SparkSQL")
      .getOrCreate()
    val sc: SparkContext = spark.sparkContext
    sc.setLogLevel("WARN")
    //2.读取文件
    spark.read.json("D:\\data\\output\\json").show()
    spark.read.csv("D:\\data\\output\\csv").toDF("id","name","age").show()
    spark.read.parquet("D:\\data\\output\\parquet").show()
    val prop = new Properties()
    prop.setProperty("user","root")
    prop.setProperty("password","root")
    spark.read.jdbc(
      "jdbc:mysql://localhost:3306/spark_test?characterEncoding=UTF-8","persons",prop).show()
    sc.stop()
    spark.stop()
  }
}

运行结果