spark core之读写数据(八)

  spark支持多种数据源,从总体来分分为两大部分:文件系统和数据库。

文件系统

  文件系统主要有本地文件系统、Amazon S3、HDFS等。

  文件系统中存储的文件有多种存储格式。spark支持的一些常见格式有:

格式名称 结构化 说明
文件文件 普通文件文件,每行一条记录
JSON 半结构化 常见的基于文本的半结构化数据
CSV 常见的基于文本的格式,在电子表格应用中使用
SequenceFiles 一种用于键值对数据的常见Hadoop文件格式

文本文件

  • 读取

    • 读取单个文件,参数为文件全路径,输入的每一行都会成为RDD的一个元素。

      • python
      input = sc.textFile("file://opt/module/spark/README.md")
      • scala
      val input = sc.textFile("file://opt/module/spark/README.md")
      • java
      JavaRDD<String> input = sc.textFile("file://opt/module/spark/README.md")
    • 读取多个文件时,可以使用textFile将参数改为目录或以逗号文件的多个文件名即可。如果是小文件,也可以使用wholeTextFiles读取为一个Pair RDD(键是文件名,值是文件内容)。
    val input = sc.wholeTextFiles("file://opt/module/spark/datas")
    val result = input.mapValues{
        y => {
            val nums = y.split(" ").map(x => x.toDouble)
            nums.sum / nums.size.toDouble
        }
    }
  • 写入

  输出文本文件时,可使用saveAsTextFile()方法接收一个目录,将RDD中的内容输出到目录中的多个文件中。

```
result.saveAsTextFile(outputFile)
```

JSON

  • 读取

    • 将数据作为文本文件读取,然后使用JSON解析器对数据进行解析。
    • python使用内置库读取JSON
    import json
    ...
    input = sc.textFile("file.json")
    data = input.map(lambda x: json.loads(x))
    • scala使用Jackson读取JSON
    import com.fasterxml.jackson.databind.ObjectMapper
    import com.fasterxml.jackson.module.scala.DefaultScalaModule
    ...
    case class Person(name: String, lovesPandas: Boolean)
    ...
    val input = sc.textFile("file.json")
    val mapper = new ObjectMapper()
    mapper.registerModule(DefaultScalaModule)
    val result = input.flatMap(record => {
        try {
            Some(mapper.readValue(record, classOf[Person]))
        } catch {
            case e: Exception => None
        }
    })
    • java使用Jackson读取JSON
    class ParseJson implements FlatMapFunction<Iterator<String>, Person> {
         
         
        public Iterable<Person> call(Iterator<String> lines) throws Exception {
            ArrayList<Person> people = new ArrayList<Person>();
            ObjectMapper mapper = new ObjectMapper();
            while(lines.hasNext()) {
                String line = lines.next();
                try {
                    people.add(mapper.readValue(line, Person.class));    
                } catch(Exception e) {
                    //
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

java大数据编程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值