pyspark常用语法_读取各类数据源

想了解更多，欢迎移步"文渊小站"

里面有更多知识分享，以及一些有意思的小项目～

环境

spark 2.4.0

1 读写 csv文件

# 读csv
file_path = r"xx/xx/xx/"   # 可以是文件路径，也可以是文件名
# df = spark.read.csv(file_path, header=True, inferSchema=True)
df = spark.read.format('csv').option("header", "true").option("inferSchema", "true").csv(file_path)
# 写csv
# df.write.csv(file_path)
df.write.save(path=file_path, format='csv', mode='overwrite', sep=',', header=True)
# df.repartition(1).write.save(path=file_path, format='csv', mode='overwrite', sep=',', header=True)    # 写成1个csv文件

2 读写 parquet文件

# 读parquet
file_path = r"xx/xx/xx/"
df_buzz_country = spark.read.parquet(file_path)
# 写parquet
df.write.parquet(file_path, mode="overwrite")
# df.repartition(1).write.parquet(file_path, mode="overwrite")   # 写成1个parquet文件

3 读写 json文件

# 读csv
file_path = r"xx/xx/xx.json"
peopleDF = spark.read.json(file_path)
# 写csv
df.write.json(file_path)

4 读 hive

spark = SparkSession.builder.appName("task_read_hive").enableHiveSupport().getOrCreate()
df = spark.sql("select * from table_1")

5 读 mysql

# spark-submit 中，需要配置如下（即添加‘mysql-connector-java-5.1.47.jar’包）：
# --jars xxx/xxx/mysql-connector-java-5.1.47.jar
mysql_url = 'jdbc:mysql://域名或ip:3306/数据库名?characterEncoding=UTF-8'
mysql_user = 'xxx'
mysql_pw = 'xxx'
table = "(select * from table_A) a"
df = spark.read.format('jdbc').options(url=mysql_url, driver='com.mysql.jdbc.Driver', dbtable=table,
                                       user=mysql_user, password=mysql_pw).load()

想了解更多，欢迎移步"文渊小站"

里面有更多知识分享，以及一些有意思的小项目～