我正在编写一个python应用程序,它从Cassandra读取数据,通过Spark api进行一些处理,然后通过jdbc将结果写入Mysql数据库。
通过spark处理数据的整个代码只需几秒钟,但将最后一个数据帧(大约5000行)写入mysql需要大约10分钟,所以我正试图找出如何加快这一部分的速度。
这是我用来将py spark dataframe写入mysql表的代码:df_name.write.jdbc(url=mysql_url.value,
table=tbl_name,
mode=mode.value,
properties={'user': mysql_user.value,
'password': mysql_pwd.value,
'driver': mysql_jdbc.value})
我分配了--executor-memory 4g --driver-memory 2g --total-executor-cores 6来运行我的应用程序。
我要写入mysql的数据帧的分区数是5740;我遵循了一些建议来减少分区数(通过.repartition()函数),但这并没有加快写入阶段。
我还按照[1]中的技巧设置了rewriteBatchedStatements=true和{},但性能并没有提高。
在通过jdbc从dataframe写入mysql时,有没有什么设置或技巧可以提高速度?
谢谢你的帮助。
p/S:我们的Mysql数据库正在生产中,在其他应用程序中我们没有发现性能问题。