赞
踩
记录一次实际工作中SparkSQL向Mysql写入数据,效率很低很慢的解决过程。
原始代码如下:
object Kudu2Mysql { def main(args: Array[String]): Unit = { val sparkSession: SparkSession = SparkSession.builder() .master("local[6]") .appName("kudu2Mysql") .getOrCreate() val kuduMaster = "192.168.100.100:7051,192.168.100.100:7051,192.168.100.100:7051" val kuduTable = "kudu_test" val kuduSql ="""select * from tmp_kuduTable where day = '2020-03-16'""" val kuduDatas = sparkSqlReadKudu(sparkSession, kuduMaster, kuduTable, kuduSql) val mysqlTable = "kudu_test" saveToMysql(kuduDatas, mysqlTable) sparkSession.stop()}private def sparkSqlReadKudu(sparkSession: SparkSession, kuduMaster: String, kuduTable: String, sql: String) = { val options = Map( "kudu.master" -> kuduMaster, "kudu.table" -> kuduTable ) val kuduDatas: DataFrame = sparkSession.read .format("org.apache.kudu.spark.kudu") .options(options).load() kuduDatas.createOrReplaceTempView("tmp_kuduTable") val datas: DataFrame = sparkSession.sql(sql) //datas.show() datas }private def saveToMysql(dataFrame: DataFrame, tableName:String): Unit ={ dataFrame.write.format("jdbc").mode(SaveMode.Append) .option("url", "jdbc:mysql://127.0.0.1:3306/kudu) .option("dbtable", tableName) .option("user", "root") .option("password", "*********") .save() }
使用以上代码读取的kudu表数据为50000条,运行的速度很慢,插入几千条数据大概就要花费2分钟左右,数据大时,写入Mysql速度非常慢,且对Mysql造成的负载比较高。后来查询了一些资料,原来是因为每次插入数据都会启动mysql连接,非常消耗性能。查看官网资料,可以看到官方spark sql jdbc部分提供了参数。
url:要连接的JDBC URL。例如:jdbc:mysql://ip:3306
driver:用于连接到此URL的JDBC驱动程序的类名,列如:com.mysql.jdbc.Driver
batchsize:仅适用于write数据。JDBC批量大小,用于确定每次insert的行数。这可以帮助JDBC驱动程序调优性能。默认为1000。
isolationLevel:仅适用于write数据。事务隔离级别,适用于当前连接。它可以是一个NONE,READ_COMMITTED,READ_UNCOMMITTED,REPEATABLE_READ,或SERIALIZABLE,对应于由JDBC的连接对象定义,缺省值为标准事务隔离级别READ_UNCOMMITTED。
为此对saveToMysql方法中的参数进行设置,在url后面加上?rewriteBachedStatements=true,开启批量写入,然后设置批量写入的大小,batchsize,不开启事务。
修改后代码如下:
private def saveToMysql(dataFrame: DataFrame, tableName:String): Unit ={ dataFrame.write.format("jdbc").mode(SaveMode.Append) .option("url", "jdbc:mysql://127.0.0.1:3306/kudu?rewriteBatchedStatements=true) .option("dbtable", tableName) .option("user", "root") .option("password", "*********") .option("batchsize",10000) .option("isolationLevel","NONE") .save() }
修改完的代码,写入效率明显比原来的代码效率高很多。
关注更多IT技术,欢迎关注微信公众号:一点IT技术, 或扫描下方二维码关注一点IT技术
!!!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。