简介
MongoDB下载地址
MongoDB Connector for Apache Spark,是用于Apache Spark的MongoDB连接器公开了Spark的所有库,包括Scala、Java、Python和R. MongoDB数据被具体化为数据流和数据集,用于使用机器学习、图、流和SQL api进行分析。
这里是Spark和MongoDB部署的一个典型架构。
Spark任务一般由Spark的driver节点发起,经过Spark Master进行资源调度分发。比如这里我们有4个Spark worker节点,这些节点上的几个executor 计算进程就会同时开始工作;
每个executor会独立的去MongoDB取来原始数据,直接套用Spark提供的分析算法或者使用自定义流程来处理数据,计算完后把相应结果写回到MongoDB。
我们需要提到的是:在这里,所有和MongoDB的交互都是通过一个叫做Mongo-Spark的连接器来完成的。
实现方式
Spark Shell的方式
./bin/spark-shell --conf "spark.mongodb.input.uri=mongodb://127.0.0.1/test.myCollection?readPreference=primaryPreferred" \
--conf "spark.mongodb.output.uri=mongodb://127.0.0.1/test.myCollection" \
--packages org.mongodb.spark:mongo-spark-connector_2.11:2.4.0
参数说明:
参数 | 说明 | 是否必要 |
---|---|---|
–packages | 连接MongoDB的驱动包,_2.11 为Scala的版本号 | 是 |
–conf | MongoDB Spark的配置参数 | 是 |
具体参数可参考:https://docs.mongodb.com/spark-connector/current/configuration/
ScalaAPI的方式
-
pom.xml文件
<dependency> <groupId>org.mongodb.spark</groupId> <artifactId>mongo-spark-connector_2.11</artifactId> <version> 2.0.0 </version> </dependency>
-
导包
import com.mongodb.spark._;
-
基本配置讲解
val conf=new SparkConf().setAppName("mongodbTest") .set("spark.serializer", "org.apache.spark.serializer.KryoSerializer") //定义序列化方式 .set("spark.mongodb.input.uri", "mongodb://10.211.55.7:27017/bigdata.person") //定义输入地址 .set("spark.mongodb.output.uri", "mongodb://10.211.55.7:27017/bigdata.person") //定义输出地址 .set("spark.mongodb.keep_alive_ms", "10000000") //定义链接时间
-
写入到MongoDB
-
把RDD写入到MongoDB
import org.bson.Document val documents = sc.parallelize((1 to 10).map(i => Document.parse(s"{test: $i}"))) MongoSpark.save(documents) // Uses the SparkConf for configuration
-
使用WriteConfig的方式写入到MongoDB
import com.mongodb.spark.config._ val writeConfig = WriteConfig(Map("collection" -> "spark", "writeConcern.w" -> "majority"), Some(WriteConfig(sc))) val sparkDocuments = sc.parallelize((1 to 10).map(i => Document.parse(s"{spark: $i}"))) MongoSpark.save(sparkDocuments, writeConfig)
-
RDD Save Helper Methods
documents.saveToMongoDB() // Uses the SparkConf for configuration
或者
documents.saveToMongoDB(WriteConfig(Map("uri" -> "mongodb://example.com/database.collection"))) // Uses the WriteConfig
-