spark DataFrame通过JDBC读写数据库(MySQL示例)

1. 环境配置

读取JDBC是需要有驱动的,我们读取的是jdbc:mysql://这个协议,也就是读取的是mysql的数据,既然如此,就需要有mysql的驱动jar包给spark程序用.如果不给驱动jar包,会提示:No suitable Driver
通常驱动包:
mysql-connector-java-5.1.41-bin.jar
给mysgl5版本用
mysql-connector-java-8.0.13.jar
给mysql8版本用
其他的自行百度
对于windows系统(使用本地解释器)(以Anaconda环境演示)
将jar包放在:Anaconda3的安装路径下\envs\虚拟环境\Lib\site-packages\pyspark\jars
对于Linux.系统(使用远程解释器执行)(以Anaconda环境演示)
将jar包放在:Anaconda3的安装路径下/envs/虚拟环境/lib/python.3.8/site-packages/pyspark/jars
非虚拟环境,自己装的就找到自己装的lib库地址,找到里面的site-packages/pyspark/jars路径

2. 读写案例

# encoding:utf8
import ..
if __name__ == 'main_':
    #O.构建执行环境入口对象SparkSession
    spark = SparkSession.builder.\
        appName("test").\
        master("Local[*]").\
        config("spark.sqL.shuffle.partitions", 2).\
        getorCreate()
    sc = spark.sparkContext
    #1.读取数据集
    schema = StructType().add("user_id",StringType(),nullable=True).\
        add("movie_id",IntegerType(),nullable=True).
        add("rank",IntegerType),nullable=True).\
        add("ts",StringType),nullable=True)
    df = spark.read.format("csv").
        option("sep","\t").\
        option("header",False).\
        option("encoding","utf-8").\
        schema(schema=schema).\
    Load("../data/input/sql/u.data")
    #1.写出df到mysql数据库中
    # 如果没有该表,会自动创建
    df.write.mode("overwrite").\
        format("be").\
        option("url","jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true").\
        option("dbtable", "movie_data").\
        option("user","root").\
        option("password","2212072ok1").\
        save()
    #2.读取mysql数据到df
    df2 = spark.read.format("jdbc").\
        option("url","jdbc:mysql://node1:3306/bigdata?useSSL=false&useUnicode=true").
        option("dbtable","movie_data").\
        option("user","root").\
        option("password","2212072ok1").\
        Load()
        df2.printSchema)
    df2.show()
  • 6
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Spark SQL可以通过JDBC连接MySQL数据库实现读写数据的操作。 具体步骤如下: 1. 在Spark应用程序中,引入MySQL JDBC驱动程序。 2. 使用SparkSession对象创建一个DataFrame,指定MySQL数据库的连接信息和查询语句。 3. 使用DataFrame的API进行数据读取或写入操作。 例如,以下代码演示了如何使用Spark SQL通过JDBC连接MySQL数据库读取数据: ``` import org.apache.spark.sql.SparkSession object SparkSQLJDBCExample { def main(args: Array[String]): Unit = { val spark = SparkSession.builder() .appName("Spark SQL JDBC Example") .master("local[*]") .getOrCreate() val jdbcDF = spark.read .format("jdbc") .option("url", "jdbc:mysql://localhost:3306/test") .option("driver", "com.mysql.jdbc.Driver") .option("dbtable", "employee") .option("user", "root") .option("password", "password") .load() jdbcDF.show() spark.stop() } } ``` 在这个例子中,我们使用SparkSession对象创建了一个DataFrame,通过JDBC连接MySQL数据库,读取了employee表中的数据,并使用show()方法展示了数据。 类似地,我们也可以使用DataFrame的API进行数据写入操作,例如: ``` jdbcDF.write .format("jdbc") .option("url", "jdbc:mysql://localhost:3306/test") .option("driver", "com.mysql.jdbc.Driver") .option("dbtable", "employee_copy") .option("user", "root") .option("password", "password") .save() ``` 这段代码将DataFrame中的数据写入到MySQL数据库的employee_copy表中。 总之,Spark SQL通过JDBC连接MySQL数据库,可以方便地实现数据读写操作。

“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
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