Spark读写MySQL数据库_spark mysql

Spark读写MySQL数据库

一、读取数据库

（一）通过RDD的方式读取MySQL数据库

四要素：驱动、连接地址、账号密码

import org.apache.spark.rdd.JdbcRDD
import org.apache.spark.sql.SparkSession

import java.sql.DriverManager

/**
 * 使用RDD读取MySQL数据库
 */
object spark_read_mysql {
  def main(args: Array[String]): Unit = {

    //创建SparkSession，作用：连接Spark
    val spark = SparkSession
      .builder()
      .master("local[*]") //指定运行的方式
      .appName("spark_read_mysql") //程序的名字
      .getOrCreate()
    //创建SparkContext
    val sc = spark.sparkContext

    //驱动名称
    val driver = "com.mysql.cj.jdbc.Driver"
    //连接信息
    val url = "jdbc:mysql://192.168.80.145:3306/test"
    //用户名
    val username = "root"
    //密码
    val password = "123456"

    //具体的SQL查询语句
    val sql = "select * from t_user where id>=? and id<=?"

    //查询
    val rsRDD = new JdbcRDD(
      sc,
      ()=>{
        //加载驱动
        Class.forName(driver)
        //创建和MySQL数据库的连接
        DriverManager.getConnection(url,username,password)
      },
      //需要执行的SQL语句
      sql,
      //查询的开始行
      1,
      //查询的结束行
      20,
      //运行几个分区执行
      2,
      //返回值的处理（将返回值变为RDD的元素），数字从1开始，表示字段的编号
      rs => (rs.getInt(1),rs.getString(2),rs.getInt(3))
    )

    //将RDD的元素打印在终端
    rsRDD.collect().foreach(println)

    sc.stop()
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59

（二）通过DataFrame的方式读取MySQL数据库

import org.apache.spark.sql.SparkSession

/**
 * 使用DataFrame读取MySQL数据库
 */
object spark_read_mysql2 {
  def main(args: Array[String]): Unit = {

    //创建SparkSession，作用：连接Spark
    val spark = SparkSession
      .builder()
      .master("local[*]")//指定运行的方式
      .appName("spark_read_mysql2")//程序的名字
      .getOrCreate()

    //创建DataFrame
    val jdbcDF = spark.read.format("jdbc")
      .option("url","jdbc:mysql://192.168.80.145:3306/test")//指定连接
      .option("driver","com.mysql.cj.jdbc.Driver")//指定驱动
      .option("user","root")//指定连接的用户
      .option("password","123456")//指定连接的用户的密码
      .option("dbtable","t_user")//查询的表
      .load()//加载数据库表

    //在终端显示DataFrame的内容
    jdbcDF.show()
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

二、添加数据到MySQL

（一）通过RDD的方式插入数据到MySQL

每个分区执行一次创建连接和关闭连接

import org.apache.spark.sql.SparkSession

import java.sql.DriverManager

/**
 * 使用RDD插入数据到MySQL，RDD的每个元素都会执行一次创建连接和关闭连接
 */
object spark_write_mysql {
  def main(args: Array[String]): Unit = {

    //创建SparkSession，作用：连接Spark
    val spark = SparkSession
      .builder()
      .master("local[*]") //指定运行的方式
      .appName("spark_write_mysql") //程序的名字
      .getOrCreate()
    //创建SparkContext
    val sc = spark.sparkContext

    //驱动名称
    val driver = "com.mysql.cj.jdbc.Driver"
    //连接信息
    //?useUnicode=true&characterEncoding=UTF-8 指定连接的参数；字符集为utf8，防止插入的数据中文乱码
    val url = "jdbc:mysql://192.168.80.145:3306/test?useUnicode=true&characterEncoding=UTF-8"
    //用户名
    val username = "root"
    //密码
    val password = "123456"

    //创建RDD
    val rdd = sc.makeRDD(List(("zhaoba",20),("孙七",19)))

    //打印RDD的元素
    //rdd.collect().foreach(println)

    //通过循环的方式读取RDD的每条元素，将元素插入MySQL；一个元素执行一次创建连接和插入和关闭连接
    rdd.foreach {
      case (name,age) =>{
        //加载驱动
        Class.forName(driver)
        //创建和MySQL的链接
        val conn = DriverManager.getConnection(url,username,password)
        //添加的SQL语句
        val sql = "insert into t_user(name,age) values(?,?)"
        //给SQL语句配置参数
        val ps = conn.prepareStatement(sql)
        //根据参数的类型配置参数
        ps.setString(1,name)
        ps.setInt(2,age)
        //执行SQL语句
        ps.executeUpdate()
        //关闭连接
        ps.close()
        conn.close()
      }
    }

    sc.stop()
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

（二）通过RDD的方式插入数据到MySQL 2

每个分区执行一次创建连接和关闭连接

import org.apache.spark.sql.SparkSession

import java.sql.DriverManager

/**
 * 使用RDD插入数据到MySQL，RDD的每个分区执行一次创建连接和关闭连接；推荐
 */
object spark_write_mysql2 {
  def main(args: Array[String]): Unit = {

    //创建SparkSession，作用：连接Spark
    val spark = SparkSession
      .builder()
      .master("local[*]") //指定运行的方式
      .appName("spark_write_mysql2") //程序的名字
      .getOrCreate()
    //创建SparkContext
    val sc = spark.sparkContext

    //驱动名称
    val driver = "com.mysql.cj.jdbc.Driver"
    //连接信息
    //?useUnicode=true&characterEncoding=UTF-8 指定连接的参数；字符集为utf8，防止插入的数据中文乱码
    val url = "jdbc:mysql://192.168.80.145:3306/test?useUnicode=true&characterEncoding=UTF-8"
    //用户名
    val username = "root"
    //密码
    val password = "123456"

    //创建RDD
    val rdd = sc.makeRDD(List(("zhaoba",20),("孙七",19)))

    //打印RDD的元素
    //rdd.collect().foreach(println)

    //通过循环的方式读取RDD的每个分区，将元素插入MySQL；一个分区执行一次创建连接和关闭连接
    rdd.foreachPartition {
      datas =>{
        //加载驱动
        Class.forName(driver)
        //创建和MySQL的链接
        val conn = DriverManager.getConnection(url,username,password)
        //添加的SQL语句
        val sql = "insert into t_user(name,age) values(?,?)"
        //给SQL语句配置参数
        val ps = conn.prepareStatement(sql)
        //根据参数的类型配置参数
        datas.foreach{
          case (name,age)=>{
            ps.setString(1,name)
            ps.setInt(2,age)

            //执行SQL语句
            ps.executeUpdate()
          }
        }
        //关闭连接
        ps.close()
        conn.close()
      }
    }

    sc.stop()
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65

（三）使用DataFrame插入数据到MySQL

import org.apache.spark.sql.{Row, SparkSession}
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}

/**
 * 使用DataFrame插入数据到MySQL
 */

object spark_write_mysql3 {
  def main(args: Array[String]): Unit = {

    //创建SparkSession，作用：连接Spark
    val spark = SparkSession
      .builder()
      .master("local[*]") //指定运行的方式
      .appName("spark_write_mysql3") //程序的名字
      .getOrCreate()

    //1.创建DataFrame
    //1.1 schema
    val schema = StructType(List(StructField("name", StringType,true),StructField("age",IntegerType,true)))
    //1.2 行rows
    //1.2.1 创建RDD
    val dataRDD = spark.sparkContext.parallelize(Array(Array("李四",20),Array("王五",20)))
    //1.2.2 创建rows
    val rows = dataRDD.map(x=>Row(x(0),x(1)))
    //1.3 拼接表头（schema）和行内容（rows）
    val df = spark.createDataFrame(rows,schema)

    //2.通过DataFrame插入数据到MySQL
    //如果直接使用df.write则会将整个DataFrame的表写入MySQL形成一个新表，需要注意表不能存在
    //df.write.mode("append")，是以追加的方式将数据写入到已经存在的表中
    df.write
      .format("jdbc")
      .option("url", "jdbc:mysql://192.168.80.145:3306/test?useUnicode=true&characterEncoding=UTF-8") //指定连接
      .option("driver", "com.mysql.cj.jdbc.Driver") //指定驱动
      .option("user", "root") //指定连接的用户
      .option("password", "123456") //指定连接的用户的密码
      .option("dbtable", "t_user2") //查询的表
      .save()//保存数据
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41