1、讀Hive表數據
pyspark讀取hive數據非常簡單，因為它有專門的接口來讀取，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里面查詢需要的數據，代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
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中查詢的數據直接是dataframe的形式read_df = hive_context.sql(hive_read) |
2 、將數據寫入hive表
pyspark寫hive表有兩種方式：
（1）通過SQL語句生成表
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
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是默認數據庫的名字，write_test 是要寫到default中數據表的名字df.registerTempTable('test_hive')sqlContext.sql("create table default.write_test select * from test_hive") |
（2）saveastable的方式
|
1
2
3
4
5
|
# method two # "overwrite"是重寫表的模式，如果表存在，就覆蓋掉原始數據，如果不存在就重新生成一張表# mode("append")是在原有表的基礎上進行添加數據df.write.format("hive").mode("overwrite").saveAsTable('default.write_test') |
tips：
spark用上面幾種方式讀寫hive時，需要在提交任務時加上相應的配置,不然會報錯：
spark-submit --conf spark.sql.catalogImplementation=hive test.py
補充知識：PySpark基于SHC框架讀取HBase數據并轉成DataFrame
一、首先需要將HBase目錄lib下的jar包以及SHC的jar包復制到所有節點的Spark目錄lib下
二、修改spark-defaults.conf 在spark.driver.extraClassPath和spark.executor.extraClassPath把上述jar包所在路徑加進去
三、重啟集群
四、代碼
|
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
|
#/usr/bin/python#-*- coding:utf-8 –*- from pyspark import SparkContextfrom pyspark.sql import SQLContext,HiveContext,SparkSessionfrom pyspark.sql.types import Row,StringType,StructField,StringType,IntegerTypefrom pyspark.sql.dataframe import DataFrame sc = SparkContext(appName="pyspark_hbase")sql_sc = SQLContext(sc) dep = "org.apache.spark.sql.execution.datasources.hbase"#定義schemacatalog = """{ "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
數據來源參考請本人之前的文章，在此不做贅述
schema定義參考如圖：
六、結果
以上這篇在python中使用pyspark讀寫Hive數據操作就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/u011412768/article/details/93426353
