pyspark 数据写入hive_pyspark转换hive数据到hbase实践

2.任务定义

初始化spark的链接,初始化hive链接

from pyspark.sql import SparkSession

from pyspark import SparkContext

from py4j.java_gateway import JavaGateway, java_import

from pyspark.sql import HiveContext

from pyspark.sql.functions import *

from pyspark.sql.types import *

# 创建初始化hive和spark

sc = SparkContext()

spark = SparkSession.builder.master("spark://hadoop1:7077").appName("test_spark").enableHiveSupport().getOrCreate()

hiveContext = HiveContext(sc)

# 导入外部jar包

java_import(sc._gateway.jvm, "cn.kunming.fileutils.Document")

func = sc._gateway.jvm.Document()

定义任务处理的ETL类

# transform.py

class Transform(object):

@staticmethod

def _parse(path):

try:

return func.read(path)

except Exception as e:

return ""

@staticmethod

def extract(sql):

# 从hive提取数据

return hiveContext.sql(sql).toPandas()

@staticmethod

def transform(data):

# 利用外部jar包转换数据

data["content"] = data["path"].apply(Transform._parse)

return data

@staticmethod

def load(data):

# 定义hbase的设置

zookeeper_host = 'hadoop1:2181'

hbase_table_name = 'hive_hbase_article'

conf = {

"hbase.zookeeper.quorum": zookeeper_host,

"hbase.mapred.outputtable": hbase_table_name,

"mapreduce.outputformat.class": "org.apache.hadoop.hbase.mapreduce.TableOutputFormat",

"mapreduce.job.output.key.class": "org.apache.hadoop.hbase.io.ImmutableBytesWritable",

"mapreduce.job.output.value.class": "org.apache.hadoop.io.Writable"

}

keyConv = "org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter"

valueConv = "org.apache.spark.examples.pythonconverters.StringListToPutConverter"

# 写入hbase的基本数据结构

"""

records = [

["row_key", "cf1", "field", "value"]

]

"""

data.dropna(inplace=True)

# spark处理数据写入hbase

sc.parallelize(data.index.to_list()).flatMap(

lambda x: (

[

data.loc[x, 'row_key'],

[

data.loc[x, 'row_key'],

"other",

"attachment_title1",

data.loc[x, 'oldname']

]

],

[

data.loc[x, 'row_key'],

[

data.loc[x, 'row_key'],

"other",

"attachment_content1",

data.loc[x, 'content']

]

]

)

).map(

lambda x: (

x[0], x[1]

)

).saveAsNewAPIHadoopDataset(

conf=conf,

keyConverter=keyConv,

valueConverter=valueConv

)

``

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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