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！

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！

烏蘇ssl適用于網(wǎng)站、小程序/APP、API接口等需要進行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)建站的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：18980820575（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  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, 等分為兩大類 build-in (內(nèi)置) ， 3th-party(外部)spark.read.load()  默認讀的是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homepage7.讀寫標準寫法8.自定義約束條件9.支持數(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一個分區(qū)，其余進那個分區(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)一次進去多少條三.spark-sql的使用1.jar包添加   注意如果報加不進去，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DataFrame3.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)RelationProvicer3.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