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
boonya1 小时前
Elasticsearch核心原理与面试总结
大数据·elasticsearch·面试
TDengine (老段)2 小时前
TDengine 时间函数 WEEKDAY() 用户手册
大数据·数据库·物联网·时序数据库·iot·tdengine·涛思数据
LQ深蹲不写BUG4 小时前
ElasticSearch 基础内容深度解析
大数据·elasticsearch·搜索引擎
Debug_Snail6 小时前
【营销策略算法】关联规则学习-购物篮分析
大数据·人工智能
BYSJMG7 小时前
计算机毕设大数据方向:基于Spark+Hadoop的餐饮外卖平台数据分析系统【源码+文档+调试】
大数据·hadoop·分布式·python·spark·django·课程设计
java水泥工8 小时前
基于Echarts+HTML5可视化数据大屏展示-茶叶种植大数据溯源平台
大数据·echarts·html5
华略创新9 小时前
标准化与定制化的平衡艺术:制造企业如何通过灵活配置释放系统价值
大数据·人工智能·制造·crm·管理系统·erp·企业管理
PXM的算法星球10 小时前
ZooKeeper vs Redis:分布式锁的实现与选型指南
redis·分布式·zookeeper
半夏陌离11 小时前
SQL 实战指南:电商订单数据分析(订单 / 用户 / 商品表关联 + 统计需求)
java·大数据·前端