一. 读取和保存说明

SparkSQL提供了通用的保存数据和数据加载的方式，还提供了专用的方式

读取：通用和专用

保存

保存有四种模式：

默认： error : 输出目录存在就报错

append: 向输出目录追加

overwrite : 覆盖写

ignore: 忽略，不写

二. 数据格式

1. Parquet

Spark SQL的默认数据源为Parquet格式。Parquet是一种能够有效存储嵌套数据的列式存储格式。

数据源为Parquet文件时，Spark SQL可以方便的执行所有的操作，不需要使用format。修改配置项spark.sql.sources.default，可修改默认数据源格式。

读取

val df = spark.read.load("examples/src/main/resources/users.parquet")

保存

//读取json文件格式

var df = spark.read.json("/opt/module/data/input/people.json")

//保存为parquet格式

df.write.mode("append").save("/opt/module/data/output")

2. Json

Spark SQL 能够自动推测JSON数据集的结构，并将它加载为一个Dataset[Row]. 可以通过SparkSession.read.json()去加载JSON 文件。

注意：Spark读取的JSON文件不是传统的JSON文件，每一行都应该是一个JSON串。

数据格式：employees.json

{"name":"Michael"}

{"name":"Andy"， "age":30}

1)导入隐式转换

import spark.implicits._

2)读取Json文件

//专用的读取

val df1: DataFrame = sparkSession.read.json("input/employees.json")

//通用读取

val df: DataFrame = sparkSession.read.format("json").load("input/employees.json")

3)保存为Json文件

//导隐式包，转为DataSet

import sparkSession.implicits.

val ds: Dataset[Emp] = rdd.toDS()

ds.write.mode("overwrite")json("output/emp.json")

3. CSV

CSV: 逗号作为字段分割符的文件

tsv: \t,tab作为字段分割符的文件

读取

// 通用的读取

val df: DataFrame = sparkSession.read.format("csv").load("input/person.csv")

// 专用的读

val df1: DataFrame = sparkSession.read.csv("input/person.csv")

保存

CSV的参数可以到DataFrameReader 609行查看

//DataFrame

df1.write.option("sep",",").mode("overwrite").csv("output/csv")

4. Mysql

读取

val props = new Properties()

/*

JDBC中能写什么参数，参考 JDBCOptions 223行

*/

props.put("user","root")

props.put("password","root")

//库名

val df: DataFrame = sparkSession.read.jdbc("jdbc:mysql://localhost:3306/spark_test", "tbl_user", props)

// 全表查询 只显示前N条

df.show()

//指定查询

df.createTempView("user")

sparkSession.sql("select * from user where id > 5").show()

//通用的读

通用的读

读取mysql的数据

/**

* @description: 测试读取mysql数据

* @author: HaoWu

* @create: 2020年09月11日

*/

object ReadMysqlTest {

def main(args: Array[String]): Unit = {

val conf = new SparkConf().setMaster("local[*]").setAppName("readMysql")

val spark = SparkSession

.builder()

.config(conf)

.getOrCreate()

import spark.implicits._

val ids = List(1,2,3,4).mkString("'", "','", "'")

val resutl = spark

.read

.format("jdbc")

.option("url", "jdbc:mysql://hadoop102:3306/gmall0421?useSSL=false")

.option("user", "root")

.option("password", "root")

.option("query", s"select * from user_info where id in (${ids})")

.load()

.as[UserInfo] // df -> ds

.rdd

.map(userInfo => (userInfo.id, userInfo))

resutl.collect().foreach(print)

}

}

保存

val list = List(Emp("jack", 2222.22), Emp("jack1", 3222.22), Emp("jack2", 4222.22))

val rdd: RDD[Emp] = sparkSession.sparkContext.makeRDD(list, 1)

//导入隐式包

import sparkSession.implicits._

val ds: Dataset[Emp] = rdd.toDS()

val props = new Properties()

props.put("user","root")

props.put("password","root")

// 表名可以是已经存在的表t1，也可以是一张新表t1(用的多)

//专用的写

ds.write.jdbc("jdbc:mysql://localhost:3306/0508","t1",props)

// 通用的写

ds.write.

option("url","jdbc:mysql://localhost:3306/库名")

//表名

.option("dbtable","t2")

.option("user","root")

.option("password","root")

.mode("append")

.format("jdbc").save()