dataframe是在spark1.3.0中推出的新的api，這讓spark具備了處理大規(guī)模結(jié)構(gòu)化數(shù)據(jù)的能力，在比原有的RDD轉(zhuǎn)化方式易用的前提下，據(jù)說(shuō)計(jì)算性能更還快了兩倍。spark在離線批處理或者實(shí)時(shí)計(jì)算中都可以將rdd轉(zhuǎn)成dataframe進(jìn)而通過(guò)簡(jiǎn)單的sql命令對(duì)數(shù)據(jù)進(jìn)行操作，對(duì)于熟悉sql的人來(lái)說(shuō)在轉(zhuǎn)換和過(guò)濾過(guò)程很方便，甚至可以有更高層次的應(yīng)用，比如在實(shí)時(shí)這一塊，傳入kafka的topic名稱和sql語(yǔ)句，后臺(tái)讀取自己配置好的內(nèi)容字段反射成一個(gè)class并利用出入的sql對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行計(jì)算，這種情況下不會(huì)spark streaming的人也都可以方便的享受到實(shí)時(shí)計(jì)算帶來(lái)的好處。
下面的示例為讀取本地文件成rdd并隱式轉(zhuǎn)換成dataframe對(duì)數(shù)據(jù)進(jìn)行查詢，最后以追加的形式寫(xiě)入mysql表的過(guò)程,scala代碼示例如下
import java.sql.Timestamp
import org.apache.spark.sql.{SaveMode, SQLContext}
import org.apache.spark.{SparkContext, SparkConf}
object DataFrameSql {
case class memberbase(data_date:Long,memberid:String,createtime:Timestamp,sp:Int)extends Serializable{
override def toString: String="%d\t%s\t%s\t%d".format(data_date,memberid,createtime,sp)
}
def main(args:Array[String]): Unit ={
val conf = new SparkConf()
conf.setMaster("local[2]")
// ----------------------
//參數(shù) spark.sql.autoBroadcastJoinThreshold 設(shè)置某個(gè)表是否應(yīng)該做broadcast，默認(rèn)10M，設(shè)置為-1表示禁用
//spark.sql.codegen 是否預(yù)編譯sql成java字節(jié)碼，長(zhǎng)時(shí)間或頻繁的sql有優(yōu)化效果
// spark.sql.inMemoryColumnarStorage.batchSize 一次處理的row數(shù)量，小心oom
//spark.sql.inMemoryColumnarStorage.compressed 設(shè)置內(nèi)存中的列存儲(chǔ)是否需要壓縮
// ----------------------
conf.set("spark.sql.shuffle.partitions","20") //默認(rèn)partition是200個(gè)
conf.setAppName("dataframe test")
val sc = new SparkContext(conf)
val sqc = new SQLContext(sc)
val ac = sc.accumulator(0,"fail nums")
val file = sc.textFile("src\\main\\resources\\000000_0")
val log = file.map(lines => lines.split(" ")).filter(line =>
if (line.length != 4) { //做一個(gè)簡(jiǎn)單的過(guò)濾
ac.add(1)
false
} else true)
.map(line => memberbase(line(0).toLong, line(1),Timestamp.valueOf(line(2)), line(3).toInt))
// 方法一、利用隱式轉(zhuǎn)換
import sqc.implicits._
val dftemp = log.toDF() // 轉(zhuǎn)換
/*
方法二、利用createDataFrame方法,內(nèi)部利用反射獲取字段及其類型
val dftemp = sqc.createDataFrame(log)
*/
val df = dftemp.registerTempTable("memberbaseinfo")
/*val sqlcommand ="select date_format(createtime,'yyyy-MM')as mm,count(1) as nums " +
"from memberbaseinfo group by date_format(createtime,'yyyy-MM') " +
"order by nums desc,mm asc "*/
val sqlcommand="select * from memberbaseinfo"
val sel = sqc.sql(sqlcommand)
val prop = new java.util.Properties
prop.setProperty("user","etl")
prop.setProperty("password","xxx")
// 調(diào)用DataFrameWriter將數(shù)據(jù)寫(xiě)入mysql
val dataResult = sqc.sql(sqlcommand).write.mode(SaveMode.Append).jdbc("jdbc:mysql://localhost:3306/test","t_spark_dataframe_test",prop) // 表可以不存在
println(ac.name.get+" "+ac.value)
sc.stop()
}
}
上面代碼textFile中的示例數(shù)據(jù)如下，數(shù)據(jù)來(lái)自hive，字段信息分別為 分區(qū)號(hào)、用戶id、注冊(cè)時(shí)間、第三方號(hào)
20160309 45386477 2012-06-12 20:13:15 901438 20160309 45390977 2012-06-12 22:38:06 901036 20160309 45446677 2012-06-14 21:57:39 901438 20160309 45464977 2012-06-15 13:42:55 901438 20160309 45572377 2012-06-18 14:55:03 902606 20160309 45620577 2012-06-20 00:21:09 902606 20160309 45628377 2012-06-20 10:48:05 901181 20160309 45628877 2012-06-20 11:10:15 902606 20160309 45667777 2012-06-21 18:58:34 902524 20160309 45680177 2012-06-22 01:49:55 20160309 45687077 2012-06-22 11:23:22 902607
這里注意字段類型映射，即case class類到dataframe映射，從官網(wǎng)的截圖如下
更多明細(xì)可以查看官方文檔 Spark SQL and DataFrame Guide
以上這篇spark rdd轉(zhuǎn)dataframe 寫(xiě)入mysql的實(shí)例講解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。
