基于spingboot通过spark-sql进行大批量插入clickhous分布式数据库

1.所需依赖

<!--spark的核心依赖-->
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>2.4.3</version>
</dependency>
<!---spark-sql分析-->
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.4.3</version>
</dependency>

<!--clichouse-->
<dependency>
    <groupId>ru.yandex.clickhouse</groupId>
    <artifactId>clickhouse-jdbc</artifactId>
    <version>0.1.53</version>
</dependency

2.spark具体案例

注意：1. implements Serializable 实现

private static final long serialVersionUID = 1L;
transient SparkConf conf;//定义配置信息对象
transient JavaSparkContext jsc ;//声明spark上下文
transient SQLContext sqlContext ;
@Test
	public void test() {
		conf = new SparkConf().setMaster("local[1]").setAppName("sparkRDDs");
		jsc = new JavaSparkContext(conf);
		sqlContext= new SQLContext(jsc);
		List<Map<String, String>> listdata = new ArrayList<Map<String, String>>();
		    String name="测试";
		    String age="22";
		    String adress="广东深圳";
			String city="陕西西安";
			String habit="孤独百年";
			Map<String, String> map = new HashMap<String, String>();
			map.put("id", new Random().nextInt(1000) + "");
			map.put("name", name);
			map.put("age", age);
			map.put("adress", adress);
			map.put("city", city);
			map.put("habit", habit);
			listdata.add(map);
//		}
		//写入的数据内容
		JavaRDD<Map<String, String>> personData = jsc.parallelize(listdata);
		/**
		 * 第一步：在RDD的基础上创建类型为Row的RDD
		 */
		//将RDD变成以Row为类型的RDD。Row可以简单理解为Table的一行数据
		JavaRDD<Row> personsRDD = personData.map(new Function<Map<String, String>, Row>() {
			@Override
			public Row call(Map<String, String> line) throws Exception {

				return RowFactory.create(line.get("id"), line.get("id"), line.get("name"),line.get("age"),line.get("adress"),line.get("city"),line.get("habit"));
			}

		});
		/**
		 * 第二步：动态构造DataFrame的元数据。
		 */
		List structFields = new ArrayList();
		structFields.add(DataTypes.createStructField("id", DataTypes.StringType, true));
		structFields.add(DataTypes.createStructField("name", DataTypes.StringType, true));
		structFields.add(DataTypes.createStructField("age", DataTypes.StringType, true));
		structFields.add(DataTypes.createStructField("adress", DataTypes.StringType, true));
		structFields.add(DataTypes.createStructField("city", DataTypes.StringType, true));
		structFields.add(DataTypes.createStructField("habit", DataTypes.StringType, true));
		//构建StructType，用于最后DataFrame元数据的描述
		StructType structType = DataTypes.createStructType(structFields);

		/**
		 * 第三步：基于已有的元数据以及RDD<Row>来构造DataFrame
		 */
		Dataset personsDF = sqlContext.createDataFrame(personsRDD, structType);
		/**
		 * 第四步：将数据写入到person表中
		 */ //数据库内容
		String url = "jdbc:clickhouse://127.0.0.1:8123/test";
		Properties connectionProperties = new Properties();
		connectionProperties.put("user", "default");
		connectionProperties.put("password", "");
		log.info("===========插入开始============");

		personsDF.write().mode("append").jdbc(url, "bigtest", connectionProperties);
		jsc.close();
	}

注：此为spark本地模式，集群模式需要注意使用方式，上面直接可以，已经规避掉很多初级坑，此为saprk-sql实现，sparkstreaming后期会更新