pyspark调用spark以及执行带in语句参数的hql示例

#!/user/bin/env spark-python
#-*-coding:utf-8 -*-
import sys, datetime
from os.path import abspath
from pyspark.sql import SparkSession
import pandas as pd

if __name__ == "__main__":
    # 获取IP集合
    ip_set = pd.read_csv("./ip.csv", header=None)
    ip_set = tuple(ip_set[0].tolist())

    # spark连接初始化
    warehouse_location = abspath(
        'spark-warehouse')  # warehouse_location points to the default location for managed databases and tables
    spark = SparkSession \
        .builder \
        .appName("Python Spark SQL Hive") \
        .config("spark.sql.warehouse.dir", warehouse_location) \
        .enableHiveSupport() \
        .getOrCreate()

# 给in语句传参, ip_set是tuple类型
 sql = r'''select time, value,ip from  cpu_data_copy where (partition_date between {0} and {1})  and (ip in {2})'''.format(begin_date, predicted_before_date_str, ip_set)

    spark.sql('use 数据库名')
    sql_data = spark.sql(sql)  #pyspark.sql.DataFrame类型
    # 数据显示
    sql_data.show()
    reslut = sql_data.toPandas()  # pyspark.sql.DataFrame转pandas的DataFrame
    reslut.to_csv("./results_cpu.csv")
    spark.stop()  # 必须放在所有spark语句执行完后
    print("******************" + sql)
    print("finish!")
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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