-
读取clickhouse数据库数据
scalaimport scala.collection.mutable.ArrayBuffer import java.util.Properties import org.apache.spark.sql.SaveMode import org.apache.spark.sql.SparkSession def getCKJdbcProperties( batchSize: String = "100000", socketTimeout: String = "300000", numPartitions: String = "50", rewriteBatchedStatements: String = "true"): Properties = { val properties = new Properties properties.put("driver", "ru.yandex.clickhouse.ClickHouseDriver") properties.put("user", "default") properties.put("password", "数据库密码") properties.put("batchsize", batchSize) properties.put("socket_timeout", socketTimeout) properties.put("numPartitions", numPartitions) properties.put("rewriteBatchedStatements", rewriteBatchedStatements) properties } // 读取click数据库数据 val today = "2023-06-05" val ckProperties = getCKJdbcProperties() val ckUrl = "jdbc:clickhouse://233.233.233.233:8123/ss" val ckTable = "ss.test" var ckDF = spark.read.jdbc(ckUrl, ckTable, ckProperties)
-
**show**
展示数据,类似于select * from test
的功能[ckDF.show](http://ckDF.show)
默认展示前20个记录ckDF.show(3)
指定展示记录数ckDF.show(false)
是否展示前20个ckDF.show(3, 0)
截取记录数
-
**ckDF.collect
** 方法会将ckDF
中的所有数据都获取到,并返回一个Array
对象 -
ckDF.collectAsList
功能和collect
类似,只不过将返回结构变成了List
对象 -
**ckDF.describe**("ip_src").show(3)
****获取指定字段的统计信息scalascala> ckDF.describe("ip_src").show(3) +-------+------+ |summary|ip_src| +-------+------+ | count|855035| | mean| null| | stddev| null| +-------+------+ only showing top 3 rows
-
first, head, take, takeAsList
获取若干行记录first
获取第一行记录head
获取第一行记录,head(n: Int)
获取前n行记录take(n: Int)
获取前n行数据takeAsList(n: Int)
获取前n行数据,并以List
的形式展现
以
Row
或者Array[Row]
的形式返回一行或多行数据。first
和head
功能相同。take
和takeAsList
方法会将获得到的数据返回到Driver端,所以,使用这两个方法时需要注意数据量,以免Driver发生OutOfMemoryError
【Hadoop】在spark读取clickhouse中数据
方大刚2332024-03-06 11:28
相关推荐
牛牛木有坏心眼(大数据进阶)11 小时前
linux系统离线环境安装clickhouse客户端qq_4639448612 小时前
【Spark征服之路-4.3-Kafka】许心月13 小时前
Clickhouse#表记录转换为insert语句许心月13 小时前
Clickhouse#记录隐藏字段weixin_3077791314 小时前
ClickHouse Windows迁移方案与测试勇哥的编程江湖15 小时前
spark入门-hellowordjzy371117 小时前
Hive SQL溯源秘籍:基于YARN Timeline的SQL执行全链路追踪递归尽头是星辰2 天前
ClickHouse MergeTree引擎:从核心架构到三级索引实战让头发掉下来2 天前
Sqoop详细学习文档非极限码农2 天前
Hive SQL (HQL) 编辑指南