PySpark基于SHC框架读取MySQL数据转成DataFrame写入HBase

原创

于 2019-04-28 14:53:43 发布 · 820 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Spark #HBase #PySpark #Python #DataFrame

本文介绍了如何利用PySpark的SHC（HBase连接器）从MySQL数据库读取数据，转换为DataFrame，并将数据写入到HBase中。在过程中遇到的问题尚未找到解决方案，期待读者提供帮助。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、准备工作请参考本人之前的文章

二、代码

#/usr/bin/python
#-*- coding:utf-8 –*-

from pyspark import SparkContext
from pyspark.sql import SQLContext,HiveContext,SparkSession
from pyspark.sql.types import Row,StringType,StructField,StringType,IntegerType
from pyspark.sql.dataframe import DataFrame

sc = SparkContext(appName="pyspark_hbase")
sql_sc = SQLContext(sc)
jdbc_url_test = 'jdbc:mysql://192.168.****/xxx?' \
                'user=*******&' \
                'password=*******&' \
                'useUnicode=true&' \
                'characterEncoding=utf8&' \
                'TreatTinyAsBoolean=false&' \
                'tinyInt1isBit=false'
jdbc_driver = 'com.mysql.jdbc.Driver'
df_test_HBase = sql_sc.read.format('jdbc').options(url=jdbc_url_test,driver=jdbc_driver,dbtable='testHBase').load()
df_test_HBase.createOrReplaceTempView("test_HBase")
#shc对df中数值型的编码有些坑，直接写HBase会出现数值类型字段乱码，本人暂时没填坑，只是绕开坑走了，先在df中吧数值型转成String再写HBa