使用spark从mysql提取数据库并将其保存在HDFS上
我有一个虚拟数据库,它有一个非常简单的模式。数据库由两个表组成,每个表有两列,两列类型都是int。 我制作了一个spark程序,可以在数据帧中提取数据库:使用spark从mysql提取数据库并将其保存在HDFS上,mysql,scala,hadoop,apache-spark,Mysql,Scala,Hadoop,Apache Spark,我有一个虚拟数据库,它有一个非常简单的模式。数据库由两个表组成,每个表有两列,两列类型都是int。 我制作了一个spark程序,可以在数据帧中提取数据库: import org.apache.spark.sql.SparkSession object mysql_to_hdfs extends App{ val SPARK_CLUSTER_ADDRESS = "local[*]" val APPLICATION_NAME = "mysql_to_hdfs" val DB_URL
import org.apache.spark.sql.SparkSession
object mysql_to_hdfs extends App{
val SPARK_CLUSTER_ADDRESS = "local[*]"
val APPLICATION_NAME = "mysql_to_hdfs"
val DB_URL = "jdbc:mysql://localhost:3306/practice_schema?useUnicode=true&useJDBCCompliantTimezoneShift=true&useLegacyDatetimeCode=false&serverTimezone=UTC"
val DB_USER = "root"
val DB_PWD = "root"
val HDFS_URL = ""
val sparkSession = SparkSession.builder()
.master("local[*]")
.appName(APPLICATION_NAME)
.getOrCreate()
val sc = sparkSession.sparkContext
val sqlC = sparkSession.sqlContext
val optionsMap:Map[String, String] = Map("url" -> DB_URL, "user" -> DB_USER, "password" -> DB_PWD, "dbtable" -> "table_1")
//Insert the key/Value tableName in optionsMap of the table you want to load.
val mysqlDataframe = sqlC.read.format("jdbc").options(optionsMap).load()
mysqlDataframe.show()
}
现在,我必须对将数据帧的内容放入hadoop中的部分进行编码。我计划按如下方式保存数据帧:
mysqlDataframe.write.save("pathToTheFile.csv")
我还不能测试它(我还没有一个虚拟hadoop),但我已经有一些问题了
- 在数据存储之后,如果我在Hadoop上面安装Hive,是否可以在这个数据库上请求
- 我是否需要对文件分区进行其他操作
谢谢。您可以通过在本地文件系统上保存文件来测试数据,明确使用
文件:
方案而不是hdfs:
——例如file:///path/to/file.csv
>>假设您使用了正确的语法来指定需要CSV平面文件,这似乎不是事实。你删除了RTFM hahaYeah,经过再三考虑,“手动”并不真正适合Spark,其功能和语法的变化速度比光速更快。。。