MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。
MongoDB常用28条查询语句(转)_Lucky小黄人的博客-CSDN博客
直接上demo:
#!/usr/bin/python3
# coding=utf-8
from pyspark.sql import SparkSession
if __name__ == '__main__':
spark = SparkSession \
.builder \
.appName("MongoSparkConnectorIntro") \
.config("spark.mongodb.input.uri","mongodb://username:password@host1:port,host2:port/dbName.collectionName?authSource=admin") \
.config("spark.jars.packages", "org.mongodb.spark:mongo-spark-connector_2.11:2.4.4") \
.enableHiveSupport() \
.getOrCreate()
# 读取mongodb中的数据
df = spark.read \
.format("com.mongodb.spark.sql.DefaultSource") \
.load()
# 打印数据
df.show()
spark.stop()
这里几个坑要注意一下:
- 在配置spark参数的时候一定要加上:
spark.jars.packages=org.mongodb.spark:mongo-spark-connector_2.11:2.4.4
这里最后的2.11是Scala版本,一般不用动,2.4.4是Spark版本,这里需要根据使用的Spark版本修改。
- 报错【Exception authenticating MongoCredential....】
这种情况也是权限问题导致的,此时需要我们修改uri,在后面新增一个authSource=admin参数,具体的见上面demo的12行的最后。