-
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
weixin_3077791337 分钟前
PySpark实现ABC_manage_channel逻辑zhoupenghui1689 小时前
ClickHouse进行LEFT JOIN 关联查询时, 关联键的数据类型不一致,导致报错 的解决方案详解瞎胡侃9 小时前
Spark读取Apollo配置悻运9 小时前
如何配置Spark懒惰的橘猫9 小时前
Spark集群搭建之Yarn模式2401_8242568610 小时前
Spark-Streaming元63310 小时前
spark和hadoop之间的对比和联系沐风¥11 小时前
Kafka和Spark-Streaming哥不是小萝莉12 小时前
Hadoop和Spark大数据挖掘与实战lix的小鱼14 小时前
spark和Hadoop之间的对比和联系