Spark——Spark读写Greenplum Greenplum-Spark Connector高速写Greenplum_spark 写入greenplum

最新推荐文章于 2025-03-05 19:31:48 发布

2401_84166794

最新推荐文章于 2025-03-05 19:31:48 发布

阅读量870

点赞数 11

分类专栏： 2024年程序员学习文章标签： spark 大数据分布式

本文链接：https://blog.youkuaiyun.com/2401_84166794/article/details/137775631

版权

2024年程序员学习专栏收录该内容

72 篇文章

订阅专栏

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

问题背景

通过数据平台上的DataX把Hive表数据同步至Greenplum（因为DataX原生不支持Greenplum Writer，只能采用PostgreSQL驱动的方式），但是同步速度太慢了，<100Kb/s（DataX服务器和Greenplum服务器都在内网，实测服务器间传输文件速率可以达到170Mb/s+），根本没法用。

解决方式

查看Greenplum官网，给出了以下几种将外部数据写入Greenplum方式：

JDBC：JDBC方式，写大数据量会很慢。
gpload：适合写大数据量数据，能并行写入。但其缺点是需要安装客户端，包括gpfdist等依赖，安装起来很麻烦。需要了解可以参考gpload。
Greenplum-Spark Connector：基于Spark并行处理，并行写入Greenplum，并提供了并行读取的接口。

而我们之前采用的PostgreSQL驱动的方式就是因为使用了JDBC，导致写入速度非常慢。综合官网提供的这3中方式，我们最终选择了Greenplum-Spark Connector这种方式，但是只提供了Spark2.3版本支持，其他版本未验证过。

Greenplum-Spark Connector具体的读写架构和流程，请参考Greenplum官网文档：https://cn.greenplum.org/greenplum-spark-connector/。

代码实现

Greenplum-Spark Connector需要引入两个依赖包：

greenplum-spark_2.11-2.3.0.jar无法通过Maven自动下载，需要到上面网址手动下载，且要先注册网址账号才允许下载。

Spark写Greenplum

代码实现：

package com.demo

import org.apache.spark.sql.{SaveMode, SparkSession}

import java.time.LocalDateTime
import java.time.format.DateTimeFormatter

object SparkWriteGreenplum {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .appName("Spark to Greenplum")
      .enableHiveSupport()
      .getOrCreate()
    spark.sparkContext.setLogLevel("INFO")

    // main函数传参数获取表名
    val tableName = args(0)
    val days = args(1).toLong

    /\*\* spark写greenplum \*/
    //Greenplum配置信息
    val gscWriteOptionMap = Map(
      "url" -> "jdbc:postgresql://host:5432/db",
      "user" -> "u",
      "password" -> "p",
      "dbschema" -> "schema",
      "dbtable" -> "table"
    )

    // Hiv表分区
    val ds = LocalDateTime.now().minusDays(days).format(DateTimeFormatter.ofPattern("yyyyMMdd"))
    // 读取Hive表


**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
![img](https://img-blog.csdnimg.cn/img_convert/0e28ca530b2c86080a35de0f03089905.png)

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

3558883)]

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**