问题解决背景:
避免尽量少的使用hiveContext.read.jdbc(url,sql,prop)来读取数据库
①:其中sql语句不要用通配符 *,是关于解析引擎耗时的解决办法,使用全字段代替select *;
②:在查询时加索引,在你之前的字段上加自增长主键Id字段,查出来快的不是一点半点。
终极大招:
1: 将数据按照上述方法读取出来放进DataFrame中。
2:使用DataFrame的类SQL的方法,比如select(),distinct(),where()等,来获取需要的字段存进newDataFrame中
3:使用2的方法的时候,要知道sql的执行顺序,比如where()执行顺序在select()之前,此时就需要先DF.where().select()
4:使用上述方法的时候注意观察cpu的消耗。毕竟此方法是将数据全部读取到内存中在进行操作的;
5:如果说再想写回数据库:将DataFrame注册成临时表,查询临时表,sqlCommand(查询临时表语句)