這篇文章主要介紹“Spark SQL外部數(shù)據(jù)源的機制以及spark-sql的使用”，在日常操作中，相信很多人在Spark SQL外部數(shù)據(jù)源的機制以及spark-sql的使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Spark SQL外部數(shù)據(jù)源的機制以及spark-sql的使用”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

碑林ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為成都創(chuàng)新互聯(lián)公司的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：13518219792（備注：SSL證書合作）期待與您的合作！

一.數(shù)據(jù)解釋與雜項

1.External Data Source API  外部數(shù)據(jù)源

2.json也有些弊端

例如你第一次讀的是
id:1,name:xxx
第二次
id:1,name:xxx,session:222  這樣代碼就要改
還有數(shù)據(jù)類型如果你是
id:"xxx"  根本不行

3.常用外部數(shù)據(jù)源

FileSystem:HDFS,Hbase,S3,OSS 等
HDFS 與 MySQL join  你要用sqoop把 hdfs,mysql都要記載到hive中
但是用spark 一句話就可以

4.—packages

--packages  優(yōu)點，靈活，給你都拉去過來本地有的，沒有的才下載的   
缺點：生產(chǎn)中集群不能上網(wǎng)，maven沒用
解決辦法：有--jars    打成jar包傳上去

5.內(nèi)部內(nèi)置與外部數(shù)據(jù)源

json.vsv,hdfs,hive,jdbc,s3,parquet,es,redis 等
分為兩大類 build-in (內(nèi)置) ， 3th-party(外部)
spark.read.load()  默認(rèn)讀的是parquet文件

6.外部添加jar包和使用實例

csv為例使用https://spark-packages.org 這個網(wǎng)址
點homepage

7.讀寫標(biāo)準(zhǔn)寫法

8.自定義約束條件

9.支持?jǐn)?shù)組等其他復(fù)雜類型像hive

二.JDBC讀寫問題

1.寫入時文件存在問題（已經(jīng)存在）

2.解決方式官網(wǎng)  加載文件數(shù)據(jù)

存在拋出異常
目標(biāo)存在追加，但是重跑一次可能兩份，有弊端（保證不了每次處理都是一樣的）
目標(biāo)表存在，已經(jīng)存在的數(shù)據(jù)被清掉
忽略模式，有了就不會再往里加了

3.想看到你寫的文件內(nèi)容可以不壓縮

user.select("name").write.format("json").option("compression","none").save("file:///root/test/json1/")
 user.select("name").write().format("json").save("/root/test/json1/")

4.mode源碼展示   大寫小寫都一樣

5.savemode是枚舉類型    java類

6.效果一樣

result.write.mode("default")
result.write.mode(SaveMode.ErrorIfExists)

7.append 重跑一次有兩份了

8.官網(wǎng)讀取JDBC數(shù)據(jù)注意一定要加driver屬性

9.屬性解釋官網(wǎng)

10.讀jdbc時候可以讓多少條進(jìn)一個分區(qū)，其余進(jìn)那個分區(qū)可以設(shè)置

哪個字段分區(qū)
最少，最多多少條
幾個分區(qū)
一次進(jìn)去多少條

三.spark-sql的使用

1.jar包添加   注意如果報加不進(jìn)去，你要加上最后面一句話，版本問題

2.spark-sql可以直接加載hive中的表

sparksession中有個table方法直接可以把表轉(zhuǎn)化為DataFrame

3.加載jdbc  代碼

4.join 注意

 三個等號，否則報錯，注意條件

四.外部數(shù)據(jù)源的機制

1.PPD優(yōu)化

2.實現(xiàn)三個接口或者子類

如何更有效的讀取外部數(shù)據(jù)源  Table sCAN
加載外部數(shù)據(jù)源數(shù)據(jù)，定義數(shù)據(jù)的schema信息Base(抽象類必須有子類)
寫必須實現(xiàn)RelationProvicer

3.TableScan對應(yīng)PDD優(yōu)化的位置

就是上圖第一行什么都不管，讀出什么是什么

裁剪對應(yīng)第二個

裁剪過濾對應(yīng)第三個
兩個圖就參數(shù)不同，功能一致

4. 其余兩項源碼

實現(xiàn)這三個接口
一個可以寫schema信息
一個是過濾
一個可以寫出去
帶scan是查，insert 寫， base加載數(shù)據(jù)源和schema信息

5.JDBC源碼中實現(xiàn)了三個接口或者子類

到此，關(guān)于“Spark SQL外部數(shù)據(jù)源的機制以及spark-sql的使用”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
標(biāo)題名稱：SparkSQL外部數(shù)據(jù)源的機制以及spark-sql的使用
當(dāng)前URL：http://weahome.cn/article/gjpoij.html