Delta lake with Java--使用stream同步数据

本文介绍了如何使用ApacheSpark和Deltalake在Java中实现实时数据流,从YellowTaxiStreamSource表向YellowTaxiStreamTarget表的同步,包括插入、更新操作,但发现删除操作不支持。
摘要由CSDN通过智能技术生成

今天继续学习Delta lake Up and Running 的第8章,处理流数据,要实现的效果就是在一个delta表(名为:YellowTaxiStreamSource)插入一条数据,然后通过流的方式能同步到另外一个delta表 (名为:YellowTaxiStreamTarget)。接着在YellowTaxiStreamSource更新数据YellowTaxiStreamTarget也能更新。至于删除也尝试过了,发现删除是没有办法同步的。

一、先上代码,今天的代码分3份

第1份:用来启动流

import io.delta.tables.DeltaTable;
import org.apache.spark.sql.SparkSession;
import org.apache.spark.sql.streaming.StreamingQueryException;

public class DeltaLakeStream {

    public static void main(String[] args) {
        SparkSession spark = SparkSession.builder()
                .master("local[*]")
                .appName("delta_lake")
                .config("spark.sql.extensions", "io.delta.sql.DeltaSparkSessionExtension")
                .config("spark.sql.catalog.spark_catalog", "org.apache.spark.sql.delta.catalog.DeltaCatalog")
                .getOrCreate();

        String targetPath="D:\\bigdata\\detla-lake-with-java\\YellowTaxiStreamTarget";
        spark.sql("CREATE DATABASE IF NOT EXISTS taxidb");
        //定义源数据表
        spark.sql("CREATE TABLE IF NOT EXISTS taxidb.YellowTaxiSource(" +
                "RideID INT," +
                "PickupTime TIMESTAMP," +
                "CabNumber STRING)" +
                "USING DELTA LOCATION 'file:///D:\\\\bigdata\\\\detla-lake-with-java\\\\YellowTaxiStreamSource'"
        );

        //定义目标数据表
        spark.sql("CREATE TABLE IF NOT EXISTS taxidb.YellowTaxiTarget(" +
                "RideID INT," +
                "PickupTime TIMESTAMP," +
                "CabNumber STRING)" +
                "USING DELTA LOCATION 'file:///D:\\\\bigdata\\\\detla-lake-with-java\\\\YellowTaxiStreamTarget'"
        );

        //通过流的方式读取元数据表,记得要option("ignoreChanges", "true")否则报错
        var stream_df=spark.readStream().option("ignoreChanges", "true").format("delta").load("file:///D:\\\\bigdata\\\\detla-lake-with-java\\\\YellowTaxiStreamSource");

        //打开目标表,用于后面同步数据
        var deltaTable = DeltaTable.forPath(spark, targetPath);
  //   var streamQuery=stream_df.writeStream().format("delta").option("checkpointLocation", targetPath+"\\_checkpoint").start(targetPath);

        //定义同步流,如果目标表的记录与更新记录的RideID相等则更新,没有找到则插入新记录
        var streamQuery=stream_df.writeStream().format("delta").foreachBatch((batchDf,batchId)->{
         deltaTable.as("t").merge(batchDf.as("s"),"t.RideID==s.RideID")
                 .whenMatched().updateAll()
                 .whenNotMatched().insertAll()
                 .execute();


      }).outputMode("Update").start(targetPath);


     try {
            System.out.println("启动stream监听");
            streamQuery.awaitTermination(); //启动流
        } catch (StreamingQueryException e) {
            throw new RuntimeException(e);
        }
    }
}

第2份:用来操作源数据表

import org.apache.spark.sql.SparkSession;

public class DeltaLakeStreamSource {

    public static void main(String[] args) {
        SparkSession spark = SparkSession.builder()
                .master("local[*]")
                .appName("delta_lake")
                .config("spark.sql.extensions", "io.delta.sql.DeltaSparkSessionExtension")
                .config("spark.sql.catalog.spark_catalog", "org.apache.spark.sql.delta.catalog.DeltaCatalog")
                .getOrCreate();


        spark.sql("CREATE DATABASE IF NOT EXISTS taxidb");
        spark.sql("CREATE TABLE IF NOT EXISTS taxidb.YellowTaxiSource(" +
                "RideID INT," +
                "PickupTime TIMESTAMP," +
                "CabNumber STRING)" +
                "USING DELTA LOCATION 'file:///D:\\\\bigdata\\\\detla-lake-with-java\\\\YellowTaxiStreamSource'"
        );
        //验证插入
        spark.sql("INSERT INTO taxidb.YellowTaxiSource (RideID,PickupTime,CabNumber) values (1,'2013-10-13 10:13:15','11-96')").show(false);
        //验证更新  
       //spark.sql("UPDATE taxidb.YellowTaxiSource SET CabNumber='199-99' WHERE RideID=1").show(false);
        //验证删除,不过无效  
        //spark.sql("DELETE FROM taxidb.YellowTaxiSource WHERE RideID=1").show(false);
        spark.sql("SELECT RideID,PickupTime,CabNumber FROM taxidb.YellowTaxiSource").show(false);
        spark.close();
    }
}

第3份:用来验证目标数据表的同步结果

import org.apache.spark.sql.SparkSession;


public class DeltaLakeStreamTarget {

    public static void main(String[] args) {
        SparkSession spark = SparkSession.builder()
                .master("local[*]")
                .appName("delta_lake")
                .config("spark.sql.extensions", "io.delta.sql.DeltaSparkSessionExtension")
                .config("spark.sql.catalog.spark_catalog", "org.apache.spark.sql.delta.catalog.DeltaCatalog")
                .getOrCreate();

        String targetPath="D:\\bigdata\\detla-lake-with-java\\YellowTaxiStreamTarget";
        spark.read().format("delta").load(targetPath).show();

    }
}

二、运行验证

1、先运行DeltaLakeStream,具体运行结果如下图:

2、验证插入数据同步

运行DeltaLakeStreamSource,插入一条RideID=1的数据,具体运行结果如下图:

接着运行 DeltaLakeStreamTarget,看一下数据是否已经通过流的方式同步到目标表,具体运行结果如下图:

3、验证更新数据同步

将DeltaLakeStreamSource的插入数据代码注释掉,同时将更新代码打开,然后运行,将RideID=1的记录的CabNumber值得从11-96修改成199-99,具体运行结果如下图:

接着运行 DeltaLakeStreamTarget,看一下数据是否已经通过流的方式同步到目标表,具体运行结果如下图:

至于删除也尝试过,没有成功,不知道是不是不支持,还望高手指教。

  • 4
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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