Spark SQL 数据加载和保存

一 、Spark 数据的加载和保存
（一）通用的加载和保存方式
SparkSQL 提供了通用的保存数据和数据加载的方式。这里的通用指的是使用相同的
API，根据不同的参数读取和保存不同格式的数据，SparkSQL 默认读取和保存的文件格式
为 parquet
1、加载数据
spark.read.load 是加载数据的通用方法

• 如果读取不同格式的数据，可以对不同的数据格式进行设定

scala> spark.read.format("…")[.option("…")].load("…")

 format(“…”)：指定加载的数据类型，包括"csv"、“jdbc”、“json”、“orc”、"parquet"和
“textFile”。
load(“…”)：在"csv"、“jdbc”、“json”、“orc”、"parquet"和"textFile"格式下需要传入加载
数据的路径。
option(“…”)：在"jdbc"格式下需要传入 JDBC 相应参数，url、user、password 和 dbtable
我们前面都是使用 read API 先把文件加载到 DataFrame 然后再查询，其实，我们也可以直
接在文件上进行查询: 文件格式.文件路径
spark.sql("select * from json.`/opt/module/data/user.json`").show

 

2、保存数据

• df.write.save 是保存数据的通用方法
• 如果保存不同格式的数据，可以对不同的数据格式进行设定

  scala>df.write.format("…")[.option("…")].save("…")
  

  format(“…”)：指定保存的数据类型，包括"csv"、“jdbc”、“json”、“orc”、"parquet"和
  “textFile”。
  format(“…”)：指定保存的数据类型，包括"csv"、“jdbc”、“json”、“orc”、"parquet"和
  “textFile”。
  option(“…”)：在"jdbc"格式下需要传入 JDBC 相应参数，url、user、password 和 dbtable
  保存操作可以使用 SaveMode, 用来指明如何处理数据，使用 mode()方法来设置。
  SaveMode 是一个枚举类，其中的常量包括：
  

（二）Parquet
Spark SQL 的默认数据源为 Parquet 格式。Parquet 是一种能够有效存储嵌套数据的列式
存储格式。
数据源为 Parquet 文件时，Spark SQL 可以方便的执行所有的操作，不需要使用 format。
修改配置项 spark.sql.sources.default，可修改默认数据源格式。
1、加载数据
2、保存数据
（三）JSON
Spark SQL 能够自动推测 JSON 数据集的结构，并将它加载为一个 Dataset[Row]. 可以
通过 SparkSession.read.json()去加载 JSON 文件。
注意：Spark 读取的 JSON 文件不是传统的 JSON 文件，每一行都应该是一个 JSON 串。格
式如下：
{"username":"zhangsan","age":20}
{"username":"lisi","age":25}
{"username":"wangwu","age":30}

1、导入隐式转换

import spark.implicits._

2、加载 JSON 文件 

 

 

 

 1、读取数据

 

2、写入数据

• 创建样例类

• 创建RDD，将RDD的数据写入到myql
• 错误

 

 修改结果

 查看结果