本文共 4523 字，大约阅读时间需要 15 分钟。

SparkSQL数据读取与保存教程

SparkSQL提供了通用的数据读取和保存方式，通过统一的API支持多种数据格式的读写操作。以下将详细介绍SparkSQL的数据读取与保存方法。

数据的加载

SparkSQL支持两种主要方式来加载数据：

1.1 方式一：spark.read.format

• 语法格式：spark.read.format("格式").load("路径")
• 支持格式：包括csv、jdbc、json、orc、parquet和textFile。
• 注意事项：
  • 读取jdbc时，需在format和load之间添加JDBC参数，如url、user、password、tablename。
  • 当数据源为Parquet文件时，无需使用format，SparkSQL可以直接读取。

示例：读取JSON数据

package _02SparkSQL
import java.util.Properties
import org.apache.spark.sql.{DataFrame, SparkSession}
object _06SparkReadData {
    def main(args: Array[String]): Unit = {
        val session = SparkSession.builder()
            .appName("SparkReadData")
            .master("local[*]").getOrCreate()
        
        // 读取JSON数据
        val frame: DataFrame = session.read.json("data/people.json")
        frame.printSchema()
        frame.show()
    }
}

示例：读取JDBC数据

package _02SparkSQL
import java.util.Properties
import org.apache.spark.sql.{DataFrame, SparkSession}
object _06SparkReadData {
    def main(args: Array[String]): Unit = {
        val session = SparkSession.builder()
            .appName("SparkReadData")
            .master("local[*]").getOrCreate()
        
        // 读取JDBC数据
        val frame: DataFrame = session.read.jdbc(
            "jdbc:mysql://localhost:3306/mydb1",
            "location_info",
            new Properties() {
                {
                    put("user", "root")
                    put("password", "123456")
                }
            }
        )
        frame.printSchema()
        frame.show()
    }
}

1.2 方式二：spark.read.xxx

• 简化语法：spark.read.json("路径")等方式替代spark.read.format("json").load("路径")。
• 注意事项：
  • 读取jdbc时，参数为url、tablename和properties对象，properties中包含user和password。
  • 支持的格式包括csv、json、orc、parquet和text。

示例：读取JSON数据

package _02SparkSQL
import java.util.Properties
import org.apache.spark.sql.{DataFrame, SparkSession}
object _06SparkReadData {
    def main(args: Array[String]): Unit = {
        val session = SparkSession.builder()
            .appName("SparkReadData")
            .master("local[*]").getOrCreate()
        
        // 读取JSON数据
        val frame: DataFrame = session.read.json("data/people.json")
        frame.printSchema()
        frame.show()
    }
}

示例：读取CSV数据

package _02SparkSQL
import java.util.Properties
import org.apache.spark.sql.{DataFrame, SparkSession}
object _06SparkReadData {
    def main(args: Array[String]): Unit = {
        val session = SparkSession.builder()
            .appName("SparkReadData")
            .master("local[*]").getOrCreate()
        
        // 读取CSV数据
        val frame: DataFrame = session.read.csv("data/country.csv")
        frame.printSchema()
        frame.show()
    }
}

数据的保存

SparkSQL提供了两种主要方式来保存数据：

2.1 方式一：spark.write.format

• 语法格式：spark.write.format("格式").mode("模式").save("路径")
• 支持格式：包括csv、jdbc、json、orc、parquet和textFile。
• SaveMode：
  • SaveMode.ErrorifExists（默认）：文件已存在时抛出异常。
  • SaveMode.Append：文件已存在时追加新内容。
  • SaveMode.Overwrite：文件已存在时覆盖数据。
  • SaveMode.Ignore：文件已存在时忽略新数据。

示例：保存到ORC格式

package _02SparkSQL
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}
object _07SparkWriteData {
    def main(args: Array[String]): Unit = {
        val session = SparkSession.builder()
            .appName("SparkWriteData")
            .master("local").getOrCreate()
        
        // 读取数据
        val frame: DataFrame = session.read.orc("data/student.orc")
        
        // 保存到JSON格式
        frame.write.format("json").mode(SaveMode.Overwrite).save("data/OWStudent")
        
        session.stop()
    }
}

2.2 方式二：spark.write.xxx

• 简化语法：spark.write.json("路径").mode("模式")等方式替代spark.write.format("json").mode("模式").save("路径")。
• 注意事项：
  • 保存jdbc时，参数为url、tablename和properties对象，properties中包含user和password。
  • 支持的格式包括csv、json、orc、parquet和text。

示例：保存到JDBC数据库

package _02SparkSQL
import java.util.Properties
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}
object _07SparkWriteData {
    def main(args: Array[String]): Unit = {
        val session = SparkSession.builder()
            .appName("SparkWriteData")
            .master("local").getOrCreate()
        
        // 读取数据
        val frame: DataFrame = session.read.orc("data/student.orc")
        
        // 保存到JDBC数据库
        val properties = new Properties() {
            {
                put("user", "root")
                put("password", "123456")
            }
        }
        frame.write.mode(SaveMode.Append).jdbc(
            "jdbc:mysql://localhost:3306/mydb1",
            "student",
            properties
        )
        
        session.stop()
    }
}

通过以上方法，用户可以方便地使用SparkSQL进行数据读取与保存操作。