Spark-SQL核心编程

数据的加载与保存

加载数据的方法

选项参数:可以通过选项参数传入URL地址、用户名、密码和数据表名称等。

路径参数:可以传入加载数据的路径。

MySQL语句:可以直接导入MySQL语句来加载数据。
保存数据的方法

通用方法:使用df.write方法保存数据。

格式和选项:可以指定保存的数据格式和选项参数。

保存模式:可以选择不同的保存模式(如追加、覆盖、忽略、报错)。

数据源格式

默认数据源格式:Spark SQL默认使用一种能够存储嵌套数据的格式,不需要指定格式。

具体数据加载和查询
JSON数据

加载JSON文件:使用spark.read.json方法加载JSON文件。

val path = "/opt/module/spark-local/people.json"

val peopleDF = spark.read.json(path)

查询数据:可以通过SQL语句查询JSON数据。

val resDF = spark.sql("SELECT name FROM people WHERE age BETWEEN 13 AND 19")
CSV数据

加载CSV文件:可以配置CSV文件的列表信息并读取CSV文件。

注意事项:CSV文件的第一行通常设置为数据列信息。
MySQL数据

连接MySQL:通过JDBC从关系型数据库中读取数据。

版本匹配:确保Spark和MySQL的驱动版本匹配。

加载数据:使用spark.read.format("jdbc")方法加载MySQL数据。

写入数据:使用df.write.format("jdbc")方法将数据写入MySQL。

具体操作步骤

导入依赖:确保导入所需的依赖包。

配置对象:创建配置对象并设置相关参数。

加载数据:使用不同的方法加载数据(如选项参数、路径参数、MySQL语句)。

保存数据:选择保存模式并保存数据。

IDEA通过JDBC对MySQL进行操作:

  1. 导入依赖
java 复制代码
<dependency>
    <groupId>mysql</groupId>
    <artifactId>mysql-connector-java</artifactId>
    <version>5.1.27</version>
</dependency>
MySQL8  <version>8.0.11</version>

2.读取数据

java 复制代码
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("SQL")
val spark:SparkSession = SparkSession.builder().config(sparkConf).getOrCreate()

import spark.implicits._
//通用的load方式读取

spark.read.format("jdbc")
  .option("url","jdbc:mysql://localhost:3306/system")
  .option("driver","com.mysql.jdbc.Driver")//com.mysql.cj.jdbc.Driver
  .option("user","root")
  .option("password","123456")
  .option("dbtable","user")
  .load().show()

spark.stop()




//通用的load方法的另一种形式
spark.read.format("jdbc")
  .options(
    Map("url"->"jdbc:mysql://localhost:3306/system?user=root&password=123456","dbtable"->"user","driver"->"com.mysql.jdbc.Driver"))
  .load().show()


//通过JDBC
val pros :Properties = new Properties()
pros.setProperty("user","root")
pros.setProperty("password","123456")
val df :DataFrame = spark.read.jdbc("jdbc:mysql://localhost:3306/system","user",pros)
df.show()

3)	写入数据
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("SQL")
val spark:SparkSession = SparkSession.builder().config(sparkConf).getOrCreate()

import spark.implicits._
val rdd: RDD[Stu] = spark.sparkContext.makeRDD(List(Stu("lisi", 20),
  Stu("zs", 30)))
val ds:Dataset[Stu] = rdd.toDS()

ds.write.format("jdbc")
  .option("url","jdbc:mysql://localhost:3306/system")
  .option("driver","com.mysql.jdbc.Driver")
  .option("user","root")
  .option("password","123456")
  .option("dbtable","user2")
  .mode(SaveMode.Append)
  .save()

spark.stop()

MySQL和Spark Circle的连接

版本兼容性:

MySQL的不同版本(如5.x和8.x)需要对应版本的驱动。

Spark Circle在编译时可以包含或不包含Hive支持。
连接方式:

内嵌Hive:无需额外配置,直接使用。

外部Hive:需要下载配置文件(PSML、CORE-SML、HDFS),并将这些文件放在Spark目录下。

修改配置文件:将hive-site.xml中的本地文件路径改为虚拟机中的Hive路径(如note01)。

复制MySQL驱动:将MySQL驱动复制到Spark目录下。

启动Spark Shell:

可以通过CMD或双击B目录下的CMD文件启动。

在Spark Shell中输入SQL语句可以查看数据库和数据表。

Spark Circle CLI:

运行spark-shell命令启动。

直接输入MySQL语句,无需加SQL括号和双引号。

IDEA与Hive的连接
导入依赖:

需要导入与Spark版本一致的依赖包(如3.0.0版本)。

确保Hive版本与Spark版本一致。
环境配置:

虚拟机必须运行,因为使用的是虚拟机中的Hive。

将配置文件和驱动放在指定目录下。
代码实现:

导入必要的包。

创建配置对象和Hive对象。

输入Hive语句,如展示所有数据表和数据库。

常见错误:

确保所有配置文件和驱动正确放置。

检查版本兼容性。

相关推荐
极小狐3 小时前
极狐GitLab 项目 API 的速率限制如何设置?
大数据·运维·git·elasticsearch·gitlab
IT成长日记3 小时前
【HDFS】HDFS数据迁移与备份全攻略:从日常备份到灾难恢复
大数据·hadoop·hdfs·数据迁移与备份
残月只会敲键盘4 小时前
Git 命令速查手册
大数据·git·elasticsearch
结衣结衣.5 小时前
【MySQL】数据类型
linux·数据库·sql·mysql
Matrix708 小时前
Spark宽窄依赖与Join优化:协同划分与非协同划分的底层逻辑
大数据
小李学不完8 小时前
Oracle--SQL基本语法
数据库·sql·oracle
key_3_feng9 小时前
大模型时代下全场景数据消费平台的智能BI—Quick BI深度解析
大数据·deepseek
IvanCodes9 小时前
MySQL 视图
android·数据库·sql·mysql·oracle
计算所陈老师10 小时前
基于论文的大模型应用:基于SmartETL的arXiv论文数据接入与预处理(三)
大数据·人工智能·信息抽取