Spark SQL 读取 CSV 文件,并将数据写入 MySQL 数据库

在 Spark 中,可以使用 Spark SQL 读取 CSV 文件,并将数据写入 MySQL 数据库。以下是一个完整的示例,展示如何实现这一过程。

环境准备

  1. 安装 MySQL:确保 MySQL 数据库已安装并运行。

  2. 创建 MySQL 数据库和表

    sql 复制代码
    CREATE DATABASE sparkdb;
    USE sparkdb;
    
    CREATE TABLE users (
        id INT AUTO_INCREMENT PRIMARY KEY,
        name VARCHAR(50),
        age INT,
        country VARCHAR(50)
    );
  3. 下载 MySQL JDBC 驱动

    • MySQL 官方网站 下载 MySQL JDBC 驱动(mysql-connector-java-x.x.xx.jar)。
    • 将下载的 JAR 文件放置在 Spark 的 jars 目录下(例如 spark-3.3.0/jars/)。

示例代码

以下是一个完整的 Scala 示例代码,展示如何读取 CSV 文件并将其写入 MySQL 数据库:

scala 复制代码
import org.apache.spark.sql.{SparkSession, DataFrame}

object CsvToMySQL {
  def main(args: Array[String]): Unit = {
    // 初始化 SparkSession
    val spark = SparkSession.builder
      .appName("CsvToMySQL")
      .master("local[*]")
      .getOrCreate()

    // 读取 CSV 文件
    val csvFilePath = "path/to/users.csv" // 替换为你的 CSV 文件路径
    val df: DataFrame = spark.read
      .option("header", "true") // 第一行是表头
      .option("inferSchema", "true") // 自动推断数据类型
      .csv(csvFilePath)

    // 查看读取的数据
    df.show()

    // 配置 MySQL 数据库连接信息
    val jdbcUrl = "jdbc:mysql://localhost:3306/sparkdb"
    val jdbcUser = "root" // 替换为你的 MySQL 用户名
    val jdbcPassword = "password" // 替换为你的 MySQL 密码
    val jdbcTable = "users"

    // 将数据写入 MySQL 数据库
    df.write
      .format("jdbc")
      .option("url", jdbcUrl)
      .option("dbtable", jdbcTable)
      .option("user", jdbcUser)
      .option("password", jdbcPassword)
      .mode("append") // 如果表已存在,追加数据
      .save()

    // 停止 SparkSession
    spark.stop()
  }
}

示例 CSV 文件

假设你的 CSV 文件 users.csv 内容如下:

csv 复制代码
name,age,country
Alice,25,China
Bob,30,USA
Charlie,35,Japan
David,40,Germany

运行步骤

  1. 保存代码 :将上述代码保存为 CsvToMySQL.scala 文件。
  2. 编译和运行
    • 使用 SBT 或 Maven 构建项目。
    • 在 IntelliJ IDEA 中运行程序。
  3. 验证结果
    • 登录到 MySQL 数据库,检查 sparkdb 数据库中的 users 表,确保数据已正确插入。

注意事项

  1. CSV 文件路径 :确保 csvFilePath 指向正确的 CSV 文件路径。
  2. MySQL 用户名和密码:替换为你的实际 MySQL 用户名和密码。
  3. JDBC 驱动 :确保 MySQL JDBC 驱动已正确放置在 Spark 的 jars 目录下。
  4. 数据模式 :在写入数据库时,mode("append") 表示追加数据。如果需要覆盖表,可以使用 mode("overwrite")
  5. 性能优化 :对于大规模数据写入,可以考虑使用批量插入(batchsize)等优化选项。

通过以上步骤,你可以使用 Spark SQL 读取 CSV 文件,并将数据写入 MySQL 数据库。

相关推荐
小豪GO!5 分钟前
MySQL索引和事务笔记
数据库·笔记·mysql
看天走路吃雪糕1 小时前
墨者:SQL注入漏洞测试(HTTP头注入)
数据库·http·sql注入·burpsuite·墨者学院·host注入
行星0081 小时前
centos7 aarch64上安装PostgreSQL14.3
linux·运维·数据库·postgresql
烧瓶里的西瓜皮2 小时前
深入理解PostgreSQL的MVCC机制
数据库·postgresql
DemonAvenger2 小时前
SQL语句详解:SELECT查询的艺术 —— 从基础到实战的进阶指南
数据库·mysql·性能优化
程序猿小D2 小时前
基于SpringBoot+MyBatis+MySQL+VUE实现的便利店信息管理系统(附源码+数据库+毕业论文+远程部署)
数据库·spring boot·mysql·vue·mybatis·毕业论文·便利店信息管理系统
柊二三2 小时前
关于项目的一些完善功能
java·数据库·后端·spring
数据狐(DataFox)2 小时前
外键列索引优化:加速JOIN查询的关键
数据库
码界奇点2 小时前
Python深度挖掘:openpyxl与pandas高效数据处理实战指南
开发语言·数据库·python·自动化·pandas·python3.11
Python大数据分析@3 小时前
SQL 怎么学?
数据库·sql·oracle