piduzi的博客

因为项目需求，需要启用hdfs加密区，为了验证对现有程序的影响，我在自己的集群上配置了加密区，并测试spark和java程序读取数据。spark程序代码如下 System.setProperty("HADOOP_USER_NAME", "user1") val spark = SparkSession .builder() .master("local") .getOrCreate() // val data = spark.read.

 之前做的一个项目需要用sparksql读取elasticsearch的数据，当读取的类型中包含数组时报错.读取方式大概是val options = Map("pushdown" -> "true", "strict" -> "false", "es.nodes" -> "127.0.0.1", "es.port

 以前我用spark连接hive都是把hive的配置文件放在spark的conf目录，后来有个项目在运行时才能确定要连接哪个hive源，我就找了个能在运行时加载配置文件的方法，代码如下：import org.apache.hadoop.conf.Configurationimport org.apache.hadoop.fs.Pathimport org.apache.spark.s...

hdfs本身是没有身份认证的，但是为了防止用户误操作，它也有类似linux的文件权限限制我在IDE里开发程序连接hdfs因为本机名和服务器的文件所属用户名不同导致没有读取权限，错误异常堆栈如下： 这样有两种解决方法，一是更改文件权限或所属用户，二是更改本地用户名。我用的是第二种：可以在程序中定义sparksession之前。加入这么一段代码System.setProper...

spark自定义聚合函数需要继承一个抽象类UserDefinedAggregateFunction，并重写以下属性和方法1. inputSchema：函数的参数列表，不过需要写成StructType的格式，例如：override def inputSchema:StructType = StructType(Array(StructField("age",IntegerType)))...