python应用中调用spark_在python中使用pyspark读写Hive数据操作
1、讀Hive表數(shù)據(jù)
pyspark讀取hive數(shù)據(jù)非常簡(jiǎn)單，因?yàn)樗袑ｉT的接口來讀取，完全不需要像hbase那樣，需要做很多配置，pyspark提供的操作hive的接口，使得程序可以直接使用SQL語句從hive里面查詢需要的數(shù)據(jù)，代碼如下：
from pyspark.sql import HiveContext,SparkSession
_SPARK_HOST = "spark://spark-master:7077"
_APP_NAME = "test"
spark_session = SparkSession.builder.master(_SPARK_HOST).appName(_APP_NAME).getOrCreate()
hive_context= HiveContext(spark_session )
# 生成查詢的SQL語句，這個(gè)跟hive的查詢語句一樣，所以也可以加where等條件語句
hive_database = "database1"
hive_table = "test"
hive_read = "select * from {}.{}".format(hive_database, hive_table)
# 通過SQL語句在hive中查詢的數(shù)據(jù)直接是dataframe的形式
read_df = hive_context.sql(hive_read)
2 、將數(shù)據(jù)寫入hive表
pyspark寫hive表有兩種方式：
（1）通過SQL語句生成表
from pyspark.sql import SparkSession, HiveContext
_SPARK_HOST = "spark://spark-master:7077"
_APP_NAME = "test"
spark = SparkSession.builder.master(_SPARK_HOST).appName(_APP_NAME).getOrCreate()
data = [
(1,"3","145"),
(1,"4","146"),
(1,"5","25"),
(1,"6","26"),
(2,"32","32"),
(2,"8","134"),
(2,"8","134"),
(2,"9","137")
]
df = spark.createDataFrame(data, ['id', "test_id", 'camera_id'])
# method one，default是默認(rèn)數(shù)據(jù)庫的名字，write_test 是要寫到default中數(shù)據(jù)表的名字
df.registerTempTable('test_hive')
sqlContext.sql("create table default.write_test select * from test_hive")
（2）saveastable的方式
# method two
# "overwrite"是重寫表的模式，如果表存在，就覆蓋掉原始數(shù)據(jù)，如果不存在就重新生成一張表
# mode("append")是在原有表的基礎(chǔ)上進(jìn)行添加數(shù)據(jù)
df.write.format("hive").mode("overwrite").saveAsTable('default.write_test')
tips：
spark用上面幾種方式讀寫hive時(shí)，需要在提交任務(wù)時(shí)加上相應(yīng)的配置,不然會(huì)報(bào)錯(cuò)：
spark-submit --conf spark.sql.catalogImplementation=hive test.py
補(bǔ)充知識(shí)：PySpark基于SHC框架讀取HBase數(shù)據(jù)并轉(zhuǎn)成DataFrame
一、首先需要將HBase目錄lib下的jar包以及SHC的jar包復(fù)制到所有節(jié)點(diǎn)的Spark目錄lib下
二、修改spark-defaults.conf 在spark.driver.extraClassPath和spark.executor.extraClassPath把上述jar包所在路徑加進(jìn)去
三、重啟集群
四、代碼
#/usr/bin/python
#-*- coding:utf-8 –*-
from pyspark import SparkContext
from pyspark.sql import SQLContext,HiveContext,SparkSession
from pyspark.sql.types import Row,StringType,StructField,StringType,IntegerType
from pyspark.sql.dataframe import DataFrame
sc = SparkContext(appName="pyspark_hbase")
sql_sc = SQLContext(sc)
dep = "org.apache.spark.sql.execution.datasources.hbase"
#定義schema
catalog = """{
"table":{"namespace":"default", "name":"teacher"},
"rowkey":"key",
"columns":{
"id":{"cf":"rowkey", "col":"key", "type":"string"},
"name":{"cf":"teacherInfo", "col":"name", "type":"string"},
"age":{"cf":"teacherInfo", "col":"age", "type":"string"},
"gender":{"cf":"teacherInfo", "col":"gender","type":"string"},
"cat":{"cf":"teacherInfo", "col":"cat","type":"string"},
"tag":{"cf":"teacherInfo", "col":"tag", "type":"string"},
"level":{"cf":"teacherInfo", "col":"level","type":"string"} }
}"""
df = sql_sc.read.options(catalog = catalog).format(dep).load()
print ('***************************************************************')
print ('***************************************************************')
print ('***************************************************************')
df.show()
print ('***************************************************************')
print ('***************************************************************')
print ('***************************************************************')
sc.stop()
五、解釋
數(shù)據(jù)來源參考請(qǐng)本人之前的文章，在此不做贅述
schema定義參考如圖：
六、結(jié)果
以上這篇在python中使用pyspark讀寫Hive數(shù)據(jù)操作就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
總結(jié)
以上是生活随笔為你收集整理的python应用中调用spark_在python中使用pyspark读写Hive数据操作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python如何下载tushare_安装
- 下一篇： python处理csv文件案例_pyth