Spark批处理读写Phoenix

关于Spark批处理读写Phoenix，我找到两种方法，整理成笔记，用作备忘。

方法一

Phoenix官方提供了Spark插件，可以激活Spark和Phoenix的交互。
地址：http://phoenix.apache.org/phoenix_spark.html

如果使用CDH，Cloudera也提供了相应的工具，来实现Spark和Phoenix的交互。
地址：https://docs.cloudera.com/documentation/enterprise/6/6.3/topics/phoenix_spark_connector.html

这两个工具都是通过zookeeper的方式连接Phoenix的。

如果集群启用了Kerberos，如果Spark和Phoenix在同一个集群中，访问应该没问题，但是如果Spark和Phoenix不在同一个集群中，那么使用这两个工具可能会因为Kerberos认证问题，无法正常进行交互。

这时候可以使用Spark访问Phoenix客户端的方式进行交互。这也是下面要介绍的方法二。

方法二

Spark通用输出方案 foreachPartition，这个方法来源于 Spark Streaming通用的输出算子foreachRDD，可参考我的另一篇文章 Spark Streaming保存数据到HBase。

这里以CDH平台为例，描述配置方法及操作步骤。

平台启用了FreeIPA，FreeIPA是Kerberos的高级管理工具，但不只是拥有Kerberos的能力。

1、oozie-share-lib/spark 添加phoenix-client.jar
2、spark需要hive表分区目录rx权限
3、oozie任务配置，凭证勾选hcat
4、spark使用foreachPartition，每个partition连接phoenix，写入数据

关键代码示例：

public static void saveToPhoenix(Dataset<Row> df) {
    df.foreachPartition(partitionOfRecords -> {
        String columns = "id,name";
        String phoenixUrl = "jdbc:phoenix:master1.bigdata.com:2181:/hbase";
        String phoenixSQL = String.join("",
                "UPSERT INTO test.test (",
                columns,
                ") VALUES(?,?)");
        Properties props = new Properties();
        props.setProperty("phoenix.schema.isNamespaceMappingEnabled", "true");
        props.setProperty("phoenix.schema.mapSystemTablesToNamespace", "true");
        Connection phoenixConn = null;
        PreparedStatement phoenixPS = null;

        try {
            phoenixConn = PhoenixUtils.getConn(phoenixUrl, props);
            phoenixConn.setAutoCommit(true); // phoenix默认不启用自动提交，这里启用自动提交，方便批操作
            phoenixPS = phoenixConn.prepareStatement(phoenixSQL);
            Integer cnt = 0;
            while (partitionOfRecords.hasNext()) {
                Row line = partitionOfRecords.next();
                phoenixPS.setObject(1, line.getAs("id"));
                phoenixPS.setObject(2, line.getAs("name"));
                phoenixPS.addBatch();
                cnt += 1;
                if (cnt >= 5000) {
                    phoenixPS.executeBatch();
                    cnt = 0;
                }
            }
            if (cnt > 0) {
                phoenixPS.executeBatch();
            }
        } finally {
            if (phoenixPS != null) {
                try {
                    phoenixPS.close();
                } catch (Exception e) {}
            }
            if (phoenixConn != null) {
                try {
                    phoenixConn.setAutoCommit(false);
                    phoenixConn.close();
                } catch (Exception e) {}
            }
        }
    });
}