博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
mysql数据通过jdbc操作作为Spark数据源案例
阅读量:6905 次
发布时间:2019-06-27

本文共 4471 字,大约阅读时间需要 14 分钟。

hot3.png

package cn.spark.study.sql;

import java.sql.Connection;

import java.sql.DriverManager;
import java.sql.Statement;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.sql.DataFrame;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.RowFactory;
import org.apache.spark.sql.SQLContext;
import org.apache.spark.sql.types.DataTypes;
import org.apache.spark.sql.types.StructField;
import org.apache.spark.sql.types.StructType;

import scala.Tuple2;

/**

 * JDBC数据源
 * l'j'k
 *
 */
public class JDBCDataSource {

    public static void main(String[] args) {

        SparkConf conf = new SparkConf()
                .setAppName("JDBCDataSource");  
        JavaSparkContext sc = new JavaSparkContext(conf);
        SQLContext sqlContext = new SQLContext(sc);
        
        // 总结一下
        // jdbc数据源
        // 首先,是通过SQLContext的read系列方法,将mysql中的数据加载为DataFrame
        // 然后可以将DataFrame转换为RDD,使用Spark Core提供的各种算子进行操作
        // 最后可以将得到的数据结果,通过foreach()算子,写入mysql、hbase、redis等等db / cache中
        
        // 分别将mysql中两张表的数据加载为DataFrame
        Map<String, String> options = new HashMap<String, String>();
        options.put("url", "jdbc:mysql://spark1:3306/testdb");
        options.put("dbtable", "student_infos");
        DataFrame studentInfosDF = sqlContext.read().format("jdbc")
                .options(options).load();
    
        options.put("dbtable", "student_scores");
        DataFrame studentScoresDF = sqlContext.read().format("jdbc")
                .options(options).load();
        
        // 将两个DataFrame转换为JavaPairRDD,执行join操作
        JavaPairRDD<String, Tuple2<Integer, Integer>> studentsRDD = 
                
                studentInfosDF.javaRDD().mapToPair(
                
                        new PairFunction<Row, String, Integer>() {
        
                            private static final long serialVersionUID = 1L;
                
                            
                            public Tuple2<String, Integer> call(Row row) throws Exception {
                                return new Tuple2<String, Integer>(row.getString(0), 
                                        Integer.valueOf(String.valueOf(row.get(1))));  
                            }
                            
                        })
                .join(studentScoresDF.javaRDD().mapToPair(
                            
                        new PairFunction<Row, String, Integer>() {
        
                            private static final long serialVersionUID = 1L;
        
                            
                            public Tuple2<String, Integer> call(Row row) throws Exception {
                                return new Tuple2<String, Integer>(String.valueOf(row.get(0)),
                                        Integer.valueOf(String.valueOf(row.get(1))));  
                            }
                            
                        }));
        
        // 将JavaPairRDD转换为JavaRDD<Row>
        JavaRDD<Row> studentRowsRDD = studentsRDD.map(
                
                new Function<Tuple2<String,Tuple2<Integer,Integer>>, Row>() {

                    private static final long serialVersionUID = 1L;

                    

                    public Row call(
                            Tuple2<String, Tuple2<Integer, Integer>> tuple)
                            throws Exception {
                        return RowFactory.create(tuple._1, tuple._2._1, tuple._2._2);
                    }
                    
                });
        
        // 过滤出分数大于80分的数据
        JavaRDD<Row> filteredStudentRowsRDD = studentRowsRDD.filter(
                
                new Function<Row, Boolean>() {

                    private static final long serialVersionUID = 1L;

                    

                    public Boolean call(Row row) throws Exception {
                        if(row.getInt(2) > 80) {
                            return true;
                        } 
                        return false;
                    }
                    
                });
        
        // 转换为DataFrame
        List<StructField> structFields = new ArrayList<StructField>();
        structFields.add(DataTypes.createStructField("name", DataTypes.StringType, true));  
        structFields.add(DataTypes.createStructField("age", DataTypes.IntegerType, true)); 
        structFields.add(DataTypes.createStructField("score", DataTypes.IntegerType, true)); 
        StructType structType = DataTypes.createStructType(structFields);
        
        DataFrame studentsDF = sqlContext.createDataFrame(filteredStudentRowsRDD, structType);
        
        Row[] rows = studentsDF.collect();
        for(Row row : rows) {
            System.out.println(row);  
        }
        
        // 将DataFrame中的数据保存到mysql表中
        // 这种方式是在企业里很常用的,有可能是插入mysql、有可能是插入hbase,还有可能是插入redis缓存
        studentsDF.javaRDD().foreach(new VoidFunction<Row>() {
            
            private static final long serialVersionUID = 1L;

            @Override

            public void call(Row row) throws Exception {
                String sql = "insert into good_student_infos values(" 
                        + "'" + String.valueOf(row.getString(0)) + "',"
                        + Integer.valueOf(String.valueOf(row.get(1))) + ","
                        + Integer.valueOf(String.valueOf(row.get(2))) + ")";   
                
                Class.forName("com.mysql.jdbc.Driver");  
                
                Connection conn = null;
                Statement stmt = null;
                try {
                    conn = DriverManager.getConnection(
                            "jdbc:mysql://spark1:3306/testdb", "", "");
                    stmt = conn.createStatement();
                    stmt.executeUpdate(sql);
                } catch (Exception e) {
                    e.printStackTrace();
                } finally {
                    if(stmt != null) {
                        stmt.close();
                    } 
                    if(conn != null) {
                        conn.close();
                    }
                }
            }
            
        }); 
        
        sc.close();
    }
    
}
 

转载于:https://my.oschina.net/dreamerliujack/blog/2253653

你可能感兴趣的文章
Windows聚焦转为图片
查看>>
HDU 6103
查看>>
zookeeper 实现分布式锁
查看>>
mysql tinyint
查看>>
UNIX网络编程——getsockname和getpeername函数
查看>>
修改phpMyAdmin 导入MySQL数据库文件大小限制
查看>>
写了一个关于简单的Excel表格导入sqlserver 2013-08-04 15:23 391人阅读 评论(...
查看>>
码农也来关注下经济问题<美元加息>对我们的影响
查看>>
Linux用户及用户组管理
查看>>
Python随笔11
查看>>
ARTS打卡计划第三周-Review
查看>>
jQuery validation
查看>>
JavaScript知识架构学习路径(一)- 变量篇
查看>>
正则表达式
查看>>
20050425:公测啊,晚点再说
查看>>
Windows Azure媒体服务使得伦敦奥运会的云端传输成为可能
查看>>
错误:媒体集有 2 个媒体簇,但只提供了 1 个 sql2005 备份错误。
查看>>
软件运行过慢?系统打开特别慢?连系统都装不了?可能是硬盘坏了
查看>>
Mongo的安全验证
查看>>
thinkphp Class 'PDO' not found 错误
查看>>