pyspark是Spark对Python的api接口,能够在Python环境中经过调用pyspark模块来操做spark,完成大数据框架下的数据分析与挖掘。其中,数据的读写是基础操做,pyspark的子模块pyspark.sql 能够完成大部分类型的数据读写。文本介绍在pyspark中读写Mysql数据库。
1 软件版本
在Python中使用Spark,须要安装配置Spark,这里跳过配置的过程,给出运行环境和相关程序版本信息。java
win10 64bit
java 13.0.1
spark 3.0
python 3.8
pyspark 3.0
pycharm 2019.3.4
2 环境配置
pyspark链接Mysql是经过java实现的,因此须要下载链接Mysql的jar包。python
选择下载Connector/J,而后选择操做系统为Platform Independent,下载压缩包到本地。sql
而后解压文件,将其中的jar包mysql-connector-java-8.0.19.jar放入spark的安装目录下,例如D:\spark\spark-3.0.0-preview2-bin-hadoop2.7\jars。数据库