Spark-Excel算子

0.写在前面

今天，我打算新开一个专栏，主要用于来总结分享Spark算子，后续内容请关注本专栏Spark算子合集
今天分享的第一篇文章就是利用Spark读取Excel数据。由于最近在做算法标签系统，由于数据打标数据采用Excel进行存储，因此我通过Spark读取Excel数据进行数据存储

1.pom.xml依赖

maven仓库中Spark-Excel依赖的地址为：https://mvnrepository.com/artifact/com.crealytics/spark-excel，于此同时还是需要导入Spark依赖的core和SQL的依赖。
下面是我使用的依赖

	<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.12</artifactId>
      <version>3.1.2</version>
    </dependency>
    <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-sql_2.12</artifactId>
      <version>3.1.2</version>
    </dependency>
    <!-- https://mvnrepository.com/artifact/mysql/mysql-connector-java -->
    <dependency>
      <groupId>mysql</groupId>
      <artifactId>mysql-connector-java</artifactId>
      <version>5.1.47</version>
    </dependency>
    <!-- https://mvnrepository.com/artifact/com.crealytics/spark-excel -->
    <dependency>
      <groupId>com.crealytics</groupId>
      <artifactId>spark-excel_2.12</artifactId>
      <version>0.13.7</version>
    </dependency>

3.创建运行环境

val conf = new SparkConf().setAppName("itoe_labelSystem").setMaster("local[*]")
val spark=SparkSession.builder().config(conf).getOrCreate()

4.定义表结构

//定义表结构
    val schema = StructType(List(
      StructField("id",StringType),
      StructField("equipID",StringType),
      StructField("faultID",IntType),
      StructField("reason",StringType),
      StructField("TimeStamp",DateType)
    ))

关于数据类型在org.apache.spark.sql.types包下定义，可以进入包中选择适合自己的数据类型

5.DataFrame读取Excel

 spark.read
      .format("com.crealytics.spark.excel")
      .option("dataAddress", "'sheet1'!A5:E8")//sheet1为工作簿名称，A5为左上角单元格地址，E8为左下角单元格地址，
      .option("header", "false")//是否使用头部
      .schema(schema)//加载表结构
      .load(path)//path 为Excel读取路径