Spark：数据的加载和保存

一、数据的加载和保存

1.1 通用的加载和保存方式

SparkSql提供了通用的保存数据和数据加载的方式，这里的通用指的是使用相同的API，根据不同的参数读取和保存不同格式的数据，SparkSql默认读取和保存的文件格式为parquet

读取数据：

保存数据：

读取json文件：

scala 复制代码

spark.read.format("json").load("data/user.json")

或者：

scala 复制代码

spark.read.json("data/user.json")

保存为json文件：

scala 复制代码

df.write.format("json").save("output1")

我们前面都是使用read API先把文件加载到DataFrame然后再查询，其实，我们也可以直接在文件上进行查询：

复制代码

文件格式.`文件路径`

例：

加载数据：

保存数据：

保存操作可以使用SaveMode用来指明如何处理数据，使用mode方法来设置，有一点很重要，这些SaveMode都是没有加锁的，也不是原子操作，SaveMode是一个枚举类，其中的常量包括：

Scala/Java	Any Language	Meaning
SaveMode.ErrorIfExists(default)	"error"(default)	如果文件已经存在则抛出异常
SaveMode.Append	"append"	如果文件已经存在则追加
SaveMode.Overwrite	"overwrite"	如果文件已经存在则覆盖
SaveMode.Ignore	"ignore"	如果文件已经存在则忽略

Parquet

SparkSql的默认数据源为Parquet格式，Parquet是一种能够有效存储嵌套数据的列式存储格式

数据源为Parquet文件时，SparkSql可以方便的执行所有的操作，不需要使用format，要想修改默认数据源格式，可以通过修改如下配置项：

复制代码

spark.sql.sources.defautl

Json

SparkSql能够自动推测Json数据集的结构，并将它加载为一个DataSet $Row$ ，可以通过SparkSession.read.json()去加载Json文件

注意：Spark读取的Json文件不是传统的Json文件，每一行都应该是一个Json串

Csv

SparkSql可以配置csv文件的列表信息，读取csv文件，csv文件的第一行设置为数据列

scala 复制代码

spark.read.format("csv").option("sep",";").option("inferSchema","true").option("header","true").load("data/user.csv")

Mysql

SparkSql可以通过JDBC从关系型数据库中读取数据的方式创建DataFrame，通过对DataFrame一系列的计算后，还可以将数据再写回关系型数据库中，如果使用spark-shell操作，可在启动shell时指定相关的数据库驱动路径或者将数据库驱动放到spark的类路径下

scala 复制代码

 val df: DataFrame = spark.read
      .format("jdbc")
      .option("url", "jdbc:mysql://master:3306/test")
      .option("driver", "com.mysql.jdbc.Driver")
      .option("user", "root")
      .option("password", "123456")
      .option("dbtable", "j1")
      .load()


    df.write
      .format("jdbc")
      .option("url", "jdbc:mysql://master:3306/test")
      .option("driver", "com.mysql.jdbc.Driver")
      .option("user", "root")
      .option("password", "123456")
      .option("dbtable", "j11")
      .save