Spark Streaming使用Scala中的foreachRDD()将数据保存到MySQL
Spark Streaming使用Scala中的Spark Streaming使用Scala中的foreachRDD()将数据保存到MySQL,mysql,scala,spark-streaming,Mysql,Scala,Spark Streaming,Spark Streaming使用Scala中的foreachRDD()将数据保存到MySQL 请给我一个关于在Scala中使用foreachRDD()将Spark流保存到MySQL数据库的函数示例。我有下面的代码,但它不工作。我只需要一个简单的例子,而不是理论 谢谢大家! package examples import org.apache.spark.{SparkConf, SparkContext} import org.apache.spark._ import org.apache.s
foreachRDD()
将数据保存到MySQL
请给我一个关于在Scala中使用foreachRDD()
将Spark流保存到MySQL数据库的函数示例。我有下面的代码,但它不工作。我只需要一个简单的例子,而不是理论
谢谢大家!
package examples
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark._
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.{Seconds, StreamingContext}
import StreamingContext._
import org.apache.hadoop.io.Text
import org.apache.hadoop.io.LongWritable
import org.apache.hadoop.mapred.SequenceFileOutputFormat
import org.apache.spark.sql.SQLContext
import org.apache.spark.sql.hive.HiveContext
import java.util.Properties
import org.apache.spark.sql.SaveMode
object StreamingToMysql {
def main(args: Array[String]) {
val sparkConf = new SparkConf().setAppName("NetworkWordCount").setMaster("local[*]")
val sc = new SparkContext(sparkConf)
val sqlContext = new SQLContext(sc)
val hiveCtx= new HiveContext(sc)
import hiveCtx.implicits._
val ssc = new StreamingContext(sc, Seconds(1))
val lines = ssc.socketTextStream("localhost", 9999)
ssc.checkpoint("hdfs://localhost:54310/user/hduser/Streaming/logs")
val rdd = sc.parallelize(List(1))
val df = rdd.toDF()
val split = lines.map(line => line.split(",") )
val input = split.map(x => x(0))
input.foreachRDD { rdd =>
if (rdd.take (1).size == 1) {
rdd.foreachPartition { iterator =>
iterator.foreach {
val connectionProperties = new Properties()
connectionProperties.put("user", "root")
connectionProperties.put("password", "admin123")
iterator.write.mode("append")
.jdbc("jdbc:mysql://192.168.100.8:3306/hadoopguide", "topics", connectionProperties)
}
}
}
}
val connectionProperties = new Properties()
connectionProperties.put("user", "root")
connectionProperties.put("password", "admin123")
df.write.mode("append")
.jdbc("jdbc:mysql://192.168.100.8:3306/hadoopguide", "topics", connectionProperties)
println("Done")
ssc.start()
ssc.awaitTermination()
}
}
要将数据从Spark Streaming写入外部系统,可以使用高级dataframes API或低级RDD。在上面的代码中,这两种方法是混合的,并且都可以工作 假设您知道Spark Streaming中传入数据的结构,您可以使用每个RDD创建一个数据帧,并使用Dataframe API保存它: 首先,为数据创建一个模式:
case class MyStructure(field: Type,....)
然后,将模式应用于传入流:
val structuredData = dstream.map(record => MyStructure(record.field1, ... record.fieldn))
现在使用foreachRDD
将数据流中的每个RDD转换为数据帧,并使用DF API保存它:
// JDBC writer configuration
val connectionProperties = new Properties()
connectionProperties.put("user", "root")
connectionProperties.put("password", "*****")
structuredData.foreachRDD { rdd =>
val df = rdd.toDF() // create a dataframe from the schema RDD
df.write.mode("append")
.jdbc("jdbc:mysql://192.168.100.8:3306/hadoopguide", "topics", connectionProperties)
}
你能加上你得到的错误吗?@RahulSharma你在说什么??这是火花,问题是通用的scala。请删除您的“可能重复”评论。