关于Spark工作总结--读取数据库注意事项(解决占用连接多,耗内存,速度慢等问题)

本文总结了使用Spark从数据库读取数据时遇到的问题,包括连接占用过多、内存消耗大和速度慢等,并提出了解决方案,旨在提高数据处理效率和资源利用率。
摘要由CSDN通过智能技术生成

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)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值