spark中write算子和format算子详解

在spark中,想要往数据库或者某sink路径里面写数据,存到外部存储系统,如文件系统、数据库或数据仓库,经常会用到write算子。

具体来说,write算子通常与DataFrameDataset API一起使用,用于将数据写入持久化存储。

以下是一些常见的write算子的用途和示例:

1. 写入文件系统(例如,HDFS、S3等):

Scala 复制代码
// 将DataFrame写入Parquet格式的文件
dataframe.write.parquet("/path/to/destination/folder")

2. 写入关系型数据库

Scala 复制代码
// 将DataFrame写入关系型数据库(例如,MySQL)
dataframe.write
  .format("jdbc")
  .option("url", "jdbc:mysql://hostname:port/database")
  .option("dbtable", "table_name")
  .option("user", "username")
  .option("password", "password")
  .save()

3. 写入列式数据库

Scala 复制代码
// 将DataFrame写入列式数据库(例如,Cassandra)
dataframe.write
  .format("org.apache.spark.sql.cassandra")
  .option("keyspace", "keyspace_name")
  .option("table", "table_name")
  .mode("append")
  .save()

4. 写入其他数据格式

Scala 复制代码
// 将DataFrame写入JSON格式的文件
dataframe.write.json("/path/to/destination/folder")

// 将DataFrame写入CSV格式的文件
dataframe.write.csv("/path/to/destination/folder")

这只是一小部分 write算子的示例。实际上,write算子支持多种格式和配置选项,以满足不同存储系统和需求的要求。具体的用法取决于你要写入的目标存储系统和数据格式。


那么wirte后面的format算子,这里面的参数一般有哪些常用的呢?

1. Parquet格式

Scala 复制代码
dataframe.write.format("parquet").save("/path/to/destination/folder")

2. JSON格式

Scala 复制代码
dataframe.write.format("json").save("/path/to/destination/folder")

3. CSV格式

Scala 复制代码
dataframe.write.format("csv").save("/path/to/destination/folder")

4. 关系型数据库(JDBC)

Scala 复制代码
dataframe.write.format("jdbc")
  .option("url", "jdbc:mysql://hostname:port/database")
  .option("dbtable", "table_name")
  .option("user", "username")
  .option("password", "password")
  .save()

5. 列式数据库(Cassandra)

Scala 复制代码
dataframe.write.format("org.apache.spark.sql.cassandra")
  .option("keyspace", "keyspace_name")
  .option("table", "table_name")
  .mode("append")
  .save()

6. Elasticsearch

Scala 复制代码
dataframe.write.format("org.elasticsearch.spark.sql")
  .option("es.nodes", "elasticsearch_host")
  .option("es.port", "9200")
  .option("es.resource", "index_name/document_type")
  .mode("append")
  .save()

每个存储系统或数据格式都有自己的一组特定选项,用于配置连接信息、目标路径、写入模式等。这些选项可以通过option方法进行设置,具体的选项取决于所使用的format。查阅相关文档可以帮助了解特定存储系统或数据格式所支持的选项。

相关推荐
智慧化智能化数字化方案14 分钟前
华为IPD流程管理体系L1至L5最佳实践-解读
大数据·华为
PersistJiao1 小时前
在 Spark RDD 中,sortBy 和 top 算子的各自适用场景
大数据·spark·top·sortby
2301_811274312 小时前
大数据基于Spring Boot的化妆品推荐系统的设计与实现
大数据·spring boot·后端
Yz98762 小时前
hive的存储格式
大数据·数据库·数据仓库·hive·hadoop·数据库开发
青云交2 小时前
大数据新视界 -- 大数据大厂之 Hive 数据导入:多源数据集成的策略与实战(上)(3/ 30)
大数据·数据清洗·电商数据·数据整合·hive 数据导入·多源数据·影视娱乐数据
lzhlizihang2 小时前
python如何使用spark操作hive
hive·python·spark
武子康2 小时前
大数据-230 离线数仓 - ODS层的构建 Hive处理 UDF 与 SerDe 处理 与 当前总结
java·大数据·数据仓库·hive·hadoop·sql·hdfs
武子康2 小时前
大数据-231 离线数仓 - DWS 层、ADS 层的创建 Hive 执行脚本
java·大数据·数据仓库·hive·hadoop·mysql
运维&陈同学2 小时前
【zookeeper01】消息队列与微服务之zookeeper工作原理
运维·分布式·微服务·zookeeper·云原生·架构·消息队列
时差9532 小时前
Flink Standalone集群模式安装部署
大数据·分布式·flink·部署