Database Spark结构化流式ForeachWriter和数据库性能
我尝试过实现一个结构化流,就像这样Database Spark结构化流式ForeachWriter和数据库性能,database,scala,apache-spark,jdbc,spark-structured-streaming,Database,Scala,Apache Spark,Jdbc,Spark Structured Streaming,我尝试过实现一个结构化流,就像这样 myDataSet .map(r => StatementWrapper.Transform(r)) .writeStream .foreach(MyWrapper.myWriter) .start() .awaitTermination() 这一切似乎都是可行的,但看看MyWrapper.myWriter的吞吐量是可怕的。它实际上是试图成为JDBC接收器,它看起来像: val myWriter: ForeachWriter[Se
myDataSet
.map(r => StatementWrapper.Transform(r))
.writeStream
.foreach(MyWrapper.myWriter)
.start()
.awaitTermination()
这一切似乎都是可行的,但看看MyWrapper.myWriter的吞吐量是可怕的。它实际上是试图成为JDBC接收器,它看起来像:
val myWriter: ForeachWriter[Seq[String]] = new ForeachWriter[Seq[String]] {
var connection: Connection = _
override def open(partitionId: Long, version: Long): Boolean = {
Try (connection = getRemoteConnection).isSuccess
}
override def process(row: Seq[String]) {
val statement = connection.createStatement()
try {
row.foreach( s => statement.execute(s) )
} catch {
case e: SQLSyntaxErrorException => println(e)
case e: SQLException => println(e)
} finally {
statement.closeOnCompletion()
}
}
override def close(errorOrNull: Throwable) {
connection.close()
}
}
所以我的问题是-新的ForeachWriter是否为每一行实例化?因此,对数据集中的每一行调用open()和close()
是否有更好的设计来提高吞吐量
如何一次解析SQL语句并多次执行,同时保持数据库连接打开?基础接收器的打开和关闭取决于您的
ForeachWriter
实现
调用ForeachWriter
的相关类是,这是调用编写器的代码:
data.queryExecution.toRdd.foreachPartition { iter =>
if (writer.open(TaskContext.getPartitionId(), batchId)) {
try {
while (iter.hasNext) {
writer.process(encoder.fromRow(iter.next()))
}
} catch {
case e: Throwable =>
writer.close(e)
throw e
}
writer.close(null)
} else {
writer.close(null)
}
}
尝试打开和关闭从源生成的每个批的编写器。如果希望每次打开和关闭接收器驱动程序时
open
和close
,则需要通过实现来实现
如果您希望对数据的处理方式有更多的控制,可以实现trait,它提供批id和底层的DataFrame
:
trait Sink {
def addBatch(batchId: Long, data: DataFrame): Unit
}
非常感谢。不管怎样,你可以解释或指出一篇文章,它描述了在所有三种模式(追加、更新和完成)中实现一个接收器时要考虑的问题。我的问题是输出模式和汇接接口是如何相互作用的?@ USE1870400 AFAIK,接收器根据所设置的输出模式获取数据的相对部分。例如,如果您只需要更新,那么接收器只会在每次作业迭代中更新元素?看起来每个分区只调用一次open和close。好的,这里的batch是流媒体中的microbatch id。更多详情请点击这里