SpringBoot使用Spark过程详解
作者:我有一只肥螳螂
这篇文章主要介绍SpringBoot使用Spark的方法的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望能帮助大家解决问题
前提: 可以参考文章 SpringBoot 接入 Spark
- SpringBoot 已经接入 Spark
- 已配置 JavaSparkContext
- 已配置 SparkSession
@Resource private SparkSession sparkSession; @Resource private JavaSparkContext javaSparkContext;
读取 txt 文件
测试文件 word.txt
java 代码
- textFile:获取文件内容,返回 JavaRDD
- flatMap:过滤数据
- mapToPair:把每个元素都转换成一个<K,V>类型的对象,如 <123,1>,<456,1>
- reduceByKey:对相同key的数据集进行预聚合
public void testSparkText() { String file = "D:\\TEMP\\word.txt"; JavaRDD<String> fileRDD = javaSparkContext.textFile(file); JavaRDD<String> wordsRDD = fileRDD.flatMap(line -> Arrays.asList(line.split(" ")).iterator()); JavaPairRDD<String, Integer> wordAndOneRDD = wordsRDD.mapToPair(word -> new Tuple2<>(word, 1)); JavaPairRDD<String, Integer> wordAndCountRDD = wordAndOneRDD.reduceByKey((a, b) -> a + b); //输出结果 List<Tuple2<String, Integer>> result = wordAndCountRDD.collect(); result.forEach(System.out::println); }
结果得出,123 有 3 个,456 有 2 个,789 有 1 个
读取 csv 文件
测试文件 testcsv.csv
java 代码
public void testSparkCsv() { String file = "D:\\TEMP\\testcsv.csv"; JavaRDD<String> fileRDD = javaSparkContext.textFile(file); JavaRDD<String> wordsRDD = fileRDD.flatMap(line -> Arrays.asList(line.split(",")).iterator()); //输出结果 System.out.println(wordsRDD.collect()); }
输出结果
读取 MySQL 数据库表
- format:获取数据库建议是 jdbc
- option.url:添加 MySQL 连接 url
- option.user:MySQL 用户名
- option.password:MySQL 用户密码
- option.dbtable:sql 语句
- option.driver:数据库 driver,MySQL 使用 com.mysql.cj.jdbc.Driver
public void testSparkMysql() throws IOException { Dataset<Row> jdbcDF = sparkSession.read() .format("jdbc") .option("url", "jdbc:mysql://192.168.140.1:3306/user?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai") .option("dbtable", "(SELECT * FROM xxxtable) tmp") .option("user", "root") .option("password", "xxxxxxxxxx*k") .option("driver", "com.mysql.cj.jdbc.Driver") .load(); jdbcDF.printSchema(); jdbcDF.show(); //转化为RDD JavaRDD<Row> rowJavaRDD = jdbcDF.javaRDD(); System.out.println(rowJavaRDD.collect()); }
也可以把表内容输出到文件,添加以下代码
List<Row> list = rowJavaRDD.collect(); BufferedWriter bw; bw = new BufferedWriter(new FileWriter("d:/test.txt")); for (int j = 0; j < list.size(); j++) { bw.write(list.get(j).toString()); bw.newLine(); bw.flush(); } bw.close();
结果输出
读取 Json 文件
测试文件 testjson.json,内容如下
[{ "name": "name1", "age": "1" }, { "name": "name2", "age": "2" }, { "name": "name3", "age": "3" }, { "name": "name4", "age": "4" }]
注意:testjson.json 文件的内容不能带格式,需要进行压缩
java 代码
- createOrReplaceTempView:读取 json 数据后,创建数据表 t
- sparkSession.sql:使用 sql 对 t 进行查询,输出 age 大于 3 的数据
public void testSparkJson() { Dataset<Row> df = sparkSession.read().json("D:\\TEMP\\testjson.json"); df.printSchema(); df.createOrReplaceTempView("t"); Dataset<Row> row = sparkSession.sql("select age,name from t where age > 3"); JavaRDD<Row> rowJavaRDD = row.javaRDD(); System.out.println(rowJavaRDD.collect()); }
输出结果
中文输出乱码
测试文件 testcsv.csv
public void testSparkCsv() { String file = "D:\\TEMP\\testcsv.csv"; JavaRDD<String> fileRDD = javaSparkContext.textFile(file); JavaRDD<String> wordsRDD = fileRDD.flatMap(line -> Arrays.asList(line.split(",")).iterator()); //输出结果 System.out.println(wordsRDD.collect()); }
输出结果,发现中文乱码,可恶
原因:textFile 读取文件没有解决乱码问题,但 sparkSession.read() 却不会乱码
解决办法:获取文件方式由 textFile 改成 hadoopFile,由 hadoopFile 指定具体编码
public void testSparkCsv() { String file = "D:\\TEMP\\testcsv.csv"; String code = "gbk"; JavaRDD<String> gbkRDD = javaSparkContext.hadoopFile(file, TextInputFormat.class, LongWritable.class, Text.class).map(p -> new String(p._2.getBytes(), 0, p._2.getLength(), code)); JavaRDD<String> gbkWordsRDD = gbkRDD.flatMap(line -> Arrays.asList(line.split(",")).iterator()); //输出结果 System.out.println(gbkWordsRDD.collect()); }
输出结果
到此这篇关于SpringBoot使用Spark过程详解的文章就介绍到这了,更多相关SpringBoot Spark内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!