pyspark對Mysql數(shù)據(jù)庫進(jìn)行讀寫的實(shí)現(xiàn)
pyspark是Spark對Python的api接口,可以在Python環(huán)境中通過調(diào)用pyspark模塊來操作spark,完成大數(shù)據(jù)框架下的數(shù)據(jù)分析與挖掘。其中,數(shù)據(jù)的讀寫是基礎(chǔ)操作,pyspark的子模塊pyspark.sql 可以完成大部分類型的數(shù)據(jù)讀寫。文本介紹在pyspark中讀寫Mysql數(shù)據(jù)庫。
1 軟件版本
在Python中使用Spark,需要安裝配置Spark,這里跳過配置的過程,給出運(yùn)行環(huán)境和相關(guān)程序版本信息。
- win10 64bit
- java 13.0.1
- spark 3.0
- python 3.8
- pyspark 3.0
- pycharm 2019.3.4
2 環(huán)境配置
pyspark連接Mysql是通過java實(shí)現(xiàn)的,所以需要下載連接Mysql的jar包。
選擇下載Connector/J
,然后選擇操作系統(tǒng)為Platform Independent
,下載壓縮包到本地。
然后解壓文件,將其中的jar包mysql-connector-java-8.0.19.jar
放入spark的安裝目錄下,例如D:\spark\spark-3.0.0-preview2-bin-hadoop2.7\jars
。
環(huán)境配置完成!
3 讀取Mysql
腳本如下:
from pyspark.sql import SQLContext, SparkSession if __name__ == '__main__': # spark 初始化 spark = SparkSession. \ Builder(). \ appName('sql'). \ master('local'). \ getOrCreate() # mysql 配置(需要修改) prop = {'user': 'xxx', 'password': 'xxx', 'driver': 'com.mysql.cj.jdbc.Driver'} # database 地址(需要修改) url = 'jdbc:mysql://host:port/database' # 讀取表 data = spark.read.jdbc(url=url, table='tb_newCity', properties=prop) # 打印data數(shù)據(jù)類型 print(type(data)) # 展示數(shù)據(jù) data.show() # 關(guān)閉spark會話 spark.stop()
- 注意點(diǎn):
prop
參數(shù)需要根據(jù)實(shí)際情況修改,文中用戶名和密碼用xxx代替了,driver
參數(shù)也可以不需要;url
參數(shù)需要根據(jù)實(shí)際情況修改,格式為jdbc:mysql://主機(jī):端口/數(shù)據(jù)庫
;- 通過調(diào)用方法
read.jdbc
進(jìn)行讀取,返回的數(shù)據(jù)類型為spark DataFrame;
運(yùn)行腳本,輸出如下:
4 寫入Mysql
腳本如下:
import pandas as pd from pyspark import SparkContext from pyspark.sql import SQLContext, Row if __name__ == '__main__': # spark 初始化 sc = SparkContext(master='local', appName='sql') spark = SQLContext(sc) # mysql 配置(需要修改) prop = {'user': 'xxx', 'password': 'xxx', 'driver': 'com.mysql.cj.jdbc.Driver'} # database 地址(需要修改) url = 'jdbc:mysql://host:port/database' # 創(chuàng)建spark DataFrame # 方式1:list轉(zhuǎn)spark DataFrame l = [(1, 12), (2, 22)] # 創(chuàng)建并指定列名 list_df = spark.createDataFrame(l, schema=['id', 'value']) # 方式2:rdd轉(zhuǎn)spark DataFrame rdd = sc.parallelize(l) # rdd col_names = Row('id', 'value') # 列名 tmp = rdd.map(lambda x: col_names(*x)) # 設(shè)置列名 rdd_df = spark.createDataFrame(tmp) # 方式3:pandas dataFrame 轉(zhuǎn)spark DataFrame df = pd.DataFrame({'id': [1, 2], 'value': [12, 22]}) pd_df = spark.createDataFrame(df) # 寫入數(shù)據(jù)庫 pd_df.write.jdbc(url=url, table='new', mode='append', properties=prop) # 關(guān)閉spark會話 sc.stop()
注意點(diǎn):
prop
和url
參數(shù)同樣需要根據(jù)實(shí)際情況修改;
寫入數(shù)據(jù)庫要求的對象類型是spark DataFrame,提供了三種常見數(shù)據(jù)類型轉(zhuǎn)spark DataFrame的方法;
通過調(diào)用write.jdbc
方法進(jìn)行寫入,其中的model
參數(shù)控制寫入數(shù)據(jù)的行為。
model | 參數(shù)解釋 |
---|---|
error | 默認(rèn)值,原表存在則報(bào)錯(cuò) |
ignore | 原表存在,不報(bào)錯(cuò)且不寫入數(shù)據(jù) |
append | 新數(shù)據(jù)在原表行末追加 |
overwrite | 覆蓋原表 |
5 常見報(bào)錯(cuò)
Access denied for user …
原因:mysql配置參數(shù)出錯(cuò)
解決辦法:檢查user,password拼寫,檢查賬號密碼是否正確,用其他工具測試mysql是否能正常連接,做對比檢查。
No suitable driver
原因:沒有配置運(yùn)行環(huán)境
解決辦法:下載jar包進(jìn)行配置,具體過程參考本文的2 環(huán)境配置。
到此這篇關(guān)于pyspark對Mysql數(shù)據(jù)庫進(jìn)行讀寫的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pyspark Mysql讀寫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python新手學(xué)習(xí)函數(shù)默認(rèn)參數(shù)設(shè)置
在本篇文章里小編給大家分享的是關(guān)于Python新手學(xué)習(xí)函數(shù)默認(rèn)參數(shù)設(shè)置的相關(guān)知識點(diǎn),需要的朋友們可以參考下。2020-06-06每個(gè) Python 開發(fā)者都應(yīng)該知道的7種好用工具(效率翻倍)
Python 從一種小的開源語言開始,到現(xiàn)在,它已經(jīng)成為開發(fā)者很受歡迎的編程語言之一。這篇文章主要介紹了每個(gè) Python 開發(fā)者都應(yīng)該知道的7種好用工具(效率翻倍),需要的朋友可以參考下2021-03-03解決90%的常見問題的8個(gè)python NumPy函數(shù)
這篇文章主要為大家介紹了解決90%的常見問題的8個(gè)python NumPy函數(shù)示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-06-06python中字典dict排序sorted的實(shí)現(xiàn)
本文主要介紹了python中字典dict排序sorted的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-05-05