加粗样式1. 导入必要的库
from pyspark.sql import SparkSession
- 创建SparkSession
spark = SparkSession.builder.appName("Read RDBMS Data and Save to HDFS").getOrCreate()
- 读取关系型数据库数据
# 配置数据库连接信息
url = "jdbc:mysql://localhost:3306/mydb"
table_name = "my_table"
properties = {"user": "my_user", "password": w", "driver": "com.mysql.jdbc.Driver"}
# 读取数据
df = spark.read.jdbc(url=url, table=table_name, properties=properties)
- 保存到HDFS中
# 配置HDFS保存路径
hdfs_path = "hdfs://localhost:9000/my/path/"
# 保存数据
df.write.format("parquet").mode("overwrite").save(hdfs_path)
我们使用了Spark读取关系型数据库数据,并将数据保存到HDFS中,具体实现过程如下:
- 首先,创建SparkSession。
- 接着,配置数据库连接信息,包括数据库URL、表名以及用户名和密码等。
- 然后,使用Spark的
read.jdbc()
方法读取指定的表数据,并将其存储在DataFrame中。 - 最后,配置HDFS保存路径,并使用DataFrame的
write()
方法将数据保存到HDFS中,这里我们使用了parquet格式作为保存的数据格式。