3. SparkSQL数据的加载与保存
3.1 通用的加载和保存方式
spark.read.load 是加载数据的通用方法
df.write.save 是保存数据的通用方法
3.1.1 加载数据
1)read直接加载数据
spark.read.json("/opt/module/spark-local/people.json")
2)format指定加载数据类型
spark.read.format("json").load("/opt/module/spark-local/people.json")
format("…"):指定加载的数据类型,包括"csv"、“jdbc”、“json”、“orc”、“parquet"和"textFile”
load("…"):在"csv"、“jdbc”、“json”、“orc”、“parquet"和"textFile"格式下需要传入加载数据的路径
option(”…"):在"jdbc"格式下需要传入JDBC相应参数,url、user、password和dbtable
3)在文件上直接运行SQL
spark.sql("select * from json.`/opt/module/spark-local/people.json`").show
输出:
3.1.2 保存数据
1)write直接保存数据
scala> df.write.
csv jdbc json orc parquet textFile… …
保存数据的相关参数需写到上述方法中。如:textFile需传入加载数据的路径,jdbc需传入JDBC相关参数。
# 默认保存格式为parquet
scala> df.write.save("/opt/module/spark-local/output")
# 可以指定为保存格式,直接保存,不需要再调用save了
scala> df.write.json("/opt/module/spark-local/output")
2)format指定保存数据类型
df.write.format("…")[.option("…")].save("…")
format("…"):指定保存的数据类型,包括"csv"、“jdbc”、“json”、“orc”、“parquet"和"textFile”。
save ("…"):在"csv"、“orc”、“parquet"和"textFile"格式下需要传入保存数据的路径。
option(”…"):在"jdbc"格式下需要传入JDBC相应参数,url、user、password和dbtable
3)文件保存选项
保存操作可以使用 SaveMode, 用来指明如何处理数据,使用mode()方法来设置。有一点很重要: 这些 SaveMode 都是没有加锁的, 也不是原子操作。SaveMode是一个枚举类,其中的常量包括:
Scala/Java | Any | Language Meaning |
---|---|---|
SaveMode.ErrorIfExists(default) | “error”(default) | 如果文件已经存在则抛出异常 |
SaveMode.Append | “append” | 如果文件已经存在则追加 |
SaveMode.Overwrite | “overwrite” | 如果文件已经存在则覆盖 |
SaveMode.Ignore | “ignore” | 如果文件已经存在则忽略 |
使用指定format指定保存类型进行保存
df.write.mode("append").json("/opt/module/spark-local/output")
3.1.3 默认数据源
Spark SQL的默认数据源为Parquet格式。数据源为Parquet文件时,Spark SQL可以方便的执行所有的操作,不需要使用format。修改配置项spark.sql.sources.default,可修改默认数据源格式。
1)加载数据
val df = spark.read.load("/opt/module/spark-local/examples/src/main/resources/users.parquet").show
2)保存数据
var df = spark.read.json("/opt/module/spark-local/people.json")
df.write.mode("append").save("/opt/module/spark-local/output")
3.2 JSON文件
Spark SQL 能够自动推测 JSON数据集的结构,并将它加载为一个Dataset[Row]. 可以通过SparkSession.read.json()去加载一个 一个JSON 文件。
1)导入隐式转换
import spark.implicits._
2)加载JSON文件
val path = "/opt/module/spark-local/people.json"
val peopleDF = spark.read.json(path)
3)创建临时表
peopleDF.createOrReplaceTempView("people")
4)数据查询
val teenagerNamesDF = spark.sql("SELECT name FROM people WHERE age BETWEEN 13 AND 19")
teenagerNamesDF.show()
3.3 MySQL
Spark SQL可以通过JDBC从关系型数据库中读取数据的方式创建DataFrame,通过对DataFrame一系列的计算后,还可以将数据再写回关系型数据库中。
如果使用spark-shell操作,可在启动shell时指定相关的数据库驱动路径或者将相关的数据库驱动放到spark的类路径下。
bin/spark-shell
–jars mysql-connector-java-5.1.27-bin.jar
在Idea中通过JDBC对Mysql进行操作
3.3.1 通过jdbc对MySQL进行读写操作
/**
* 通过jdbc对MySQL进行读写操作
*/
object SparkSQL01_MySQL {
def main(args: Array[String]): Unit = {
//创建配置文件对象
val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("SparkSQL01_MySQL")
//创建SparkSession对象
val spark: SparkSession = SparkSession.builder().config(conf).getOrCreate()
import spark.implicits._
//从MySql数据库中读取数据
//方式1 通用的load方法读取
spark.read.format("jdbc")
.option("url", "jdbc:mysql://hadoop102:3306/test")
.option("driver ", "com.mysql.jdbc.Driver")
.option("user", "root")
.option("password", "000000")
.option("dbtable", "user")
.load().show()
//方式2 通用的load方法读取 参数另一种形式
spark.read.format("jdbc")
.options(
Map(
"url" -> "jdbc:mysql://hadoop102:3306/test",
"driver" -> "com.mysql.jdbc.Driver",
"user" -> "root",
"password" -> "000000",
"dbtable" -> "user"
)
)
.load().show()
//方式3 使用jdbc方法读取
val properties: Properties = new Properties()
properties.setProperty("user", "root")
properties.setProperty("password", "000000")
spark.read.jdbc("jdbc:mysql://hadoop102:3306/test", "user", properties).show()
//向MySql数据库中写数据
val rdd: RDD[User] = spark.sparkContext.makeRDD(List(User("aaa", 20), User("bbb", 18)))
//将RDD转换为DF
val df: DataFrame = rdd.toDF()
//将RDD转换为DS
val ds: Dataset[User]