Spark-SQL从MySQL中加载数据以及将数据写入到mysql中(Spark Shell方式,Spark SQL程序)

本文介绍如何使用SparkSQL通过JDBC与MySQL进行数据交互,包括从MySQL加载数据到DataFrame,以及将DataFrame中的数据写回到MySQL数据库的具体步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. JDBC

Spark SQL可以通过JDBC从关系型数据库中读取数据的方式创建DataFrame,通过对DataFrame一系列的计算后,还可以将数据再写回关系型数据库中。

1.1. 从MySQL中加载数据(Spark Shell方式)

1.启动Spark Shell,必须指定mysql连接驱动jar包

[root@hadoop1 spark-2.1.1-bin-hadoop2.7]# bin/spark-shell --master spark://hadoop1:7077,hadoop2:7077 --jars /home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/mysql-connector-java-5.1.38.jar --driver-class-path /home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/mysql-connector-java-5.1.38.jar

这里写图片描述

2.从mysql中加载数据
进入bigdata中创建person表:

CREATE DATABASE bigdata CHARACTER SET utf8;
USE bigdata;
CREATE TABLE person (
    id INT(10) AUTO_INCREMENT PRIMARY KEY,
    name varchar(100),
    age INT(3)
) ENGINE=INNODB DEFAULT CHARSET=utf8;

并初始化数据:
这里写图片描述

scala> val sqlContext = new org.apache.spark.sql.SQLContext(sc)
scala> val jdbcDF = sqlContext.read.format("jdbc").options(Map("url" -> "jdbc:mysql://hadoop10:3306/bigdata", "driver" -> "com.mysql.jdbc.Driver", "dbtable" -> "person", "user" -> "root", "password" -> "123456")).load()

3.执行查询

scala> jdbcDF.show
+---+--------+---+
| id|    name|age|
+---+--------+---+
|  1|zhangsan| 19|
|  2|    lisi| 20|
|  3|  wangwu| 28|
|  4| zhaoliu| 26|
|  5|  tianqi| 55|
+---+--------+---+

1.2. 将数据写入到MySQL中(打jar包方式)

1.2.1编写Spark SQL程序

package cn.toto.spark

import java.sql.DriverManager
import org.apache.spark.rdd.JdbcRDD
import org.apache.spark.{SparkConf, SparkContext}

/**
  * Created by toto on 2017/7/11.
  */
object JdbcRDDDemo {

  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("JdbcRDDDemo").setMaster("local[2]")
    val sc = new SparkContext(conf)
    val connection = () => {
      Class.forName("com.mysql.jdbc.Driver").newInstance()
      DriverManager.getConnection("jdbc:mysql://hadoop10:3306/bigdata","root","123456")
    }
    //这个地方没有读取数据(数据库表也用的是person)
    val jdbcRDD = new JdbcRDD(
      sc,
      connection,
      "SELECT * FROM person where id >= ? AND id <= ?",
      //这里表示从取数据库中的第1、2、3、4条数据,然后分两个区
      1, 4, 2,
      r => {
        val id = r.getInt(1)
        val code = r.getString(2)
        (id, code)
      }
    )
    //这里相当于是action获取到数据
    val jrdd = jdbcRDD.collect()
    println(jrdd.toBuffer)
    sc.stop()
  }
}

注意在运行的时候使用的还是person这个表,表中的数据如下:
这里写图片描述

如果是在IDEA中运行程序,程序结果如下:
这里写图片描述

1.2.2用maven将程序打包

这里写图片描述

1.2.3.将Jar包提交到spark集群

将bigdata-1.0-SNAPSHOT.jar放到:/home/tuzq/software/sparkdata,如下:
这里写图片描述

注意在运行执行,要将mysql-connector-java-5.1.38.jar 放到:/home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/下

bin/spark-submit --class cn.toto.spark.JdbcRDDDemo --master spark://hadoop1:7077 --jars /home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/mysql-connector-java-5.1.38.jar --driver-class-path /home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/mysql-connector-java-5.1.38.jar /home/tuzq/software/sparkdata/bigdata-1.0-SNAPSHOT.jar

运行结果:
这里写图片描述
这里写图片描述

2、通过Spark-sql将数据存储到数据库中

2.2.1.代码如下:

package cn.toto.spark

import java.util.Properties

import org.apache.spark.sql.{Row, SQLContext}
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}
import org.apache.spark.{SparkConf, SparkContext}

/**
  * Created by toto on 2017/7/11.
  */
object JdbcRDD {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("MySQL-Demo").setMaster("local")
    val sc = new SparkContext(conf)
    val sqlContext = new SQLContext(sc)
    //通过并行化创建RDD
    val personRDD = sc.parallelize(Array("14 tom 5", "15 jerry 3", "16 kitty 6")).map(_.split(" "))
    //通过StrutType直接指定每个字段的schema
    val schema = StructType(
      List(
        StructField("id",IntegerType,true),
        StructField("name",StringType,true),
        StructField("age",IntegerType,true)
      )
    )
    //将RDD映射到rowRDD
    val rowRDD = personRDD.map(p => Row(p(0).toInt, p(1).trim, p(2).toInt))
    //将schema信息应用到rowRDD上
    val personDataFrame = sqlContext.createDataFrame(rowRDD,schema)
    //创建Properties存储数据库相关属性
    val prop = new Properties()
    prop.put("user", "root")
    prop.put("password", "123456")
    //将数据追加到数据库
    personDataFrame.write.mode("append").jdbc("jdbc:mysql://hadoop10:3306/bigdata",
      "bigdata.person",prop)
    //停止SparkContext
    sc.stop()
  }
}

运行结果:
这里写图片描述

2.2.2、用maven将程序打包

这里写图片描述

2.2.3、将Jar包提交到spark集群

bin/spark-submit --class cn.toto.spark.JdbcRDD --master spark://hadoop1:7077 --jars /home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/mysql-connector-java-5.1.38.jar --driver-class-path /home/tuzq/software/spark-2.1.1-bin-hadoop2.7/jars/mysql-connector-java-5.1.38.jar /home/tuzq/software/sparkdata/bigdata-1.0-SNAPSHOT.jar
在VMware实操考试中,首先你需要确保已有一个准备好的数据源,通常这包括每年的订单数量和销售额的数据。这个数据可以是CSV文件、Excel表格或者其他格式,需要导入到Spark Shell中处理。 步骤1:数据预处理 - 使用Spark Shell(一种基于Scala或Python的交互式环境)连接到MySQL数据库。你需要安装Spark SQL库,以便能够读取和写入数据库。 ```python from pyspark.sql import SparkSession # 创建SparkSession spark = SparkSession.builder.appName("MySQL to Spark").getOrCreate() # 连接MySQL spark.conf.set("spark.jars.packages", "mysql:mysql-connector-java:8.0.24") df_mysql = spark.read.format("jdbc") \ .option("url", "jdbc:mysql://localhost:3306/your_database") \ .option("dbtable", "your_table") \ .option("user", "your_username") \ .option("password", "your_password") \ .load() ``` 步骤2:读取和清洗数据 加载数据后,如果数据包含每年订单数量和销售额的信息,可以直接操作DataFrame,例如筛选、分组等。 步骤3:写入MySQL 将处理后的数据写回MySQL,确保字段匹配表结构。 ```python df_processed.write.jdbc("jdbc:mysql://localhost:3306/your_database", "your_processed_table", mode="overwrite") ``` 步骤4:Jupyter Notebook中的数据可视化 - 导入必要的数据可视化库,如Pandas DataFrame用matplotlib或seaborn,或者更现代的Plotly、Matplotlib、Seaborn或Bokeh。 - 根据需求生成图表,比如年份-订单数量折线图、销售额柱状图等。 ```python import pandas as pd import matplotlib.pyplot as plt # 将Spark DataFrame转换成Pandas DataFrame pdf = df_processed.toPandas() # 可视化示例 plt.plot(pdf['year'], pdf['order_count']) plt.title('Order Count by Year') plt.xlabel('Year') plt.ylabel('Orders') plt.show() ```
评论 4
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

涂作权的博客

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