使用 PySpark 从 MariaDB 读取查询 [重复]
Posted
技术标签:
【中文标题】使用 PySpark 从 MariaDB 读取查询 [重复]【英文标题】:Read Query from MariaDB using PySpark [duplicate] 【发布时间】:2020-01-28 01:03:18 【问题描述】:我正在尝试从 MariaDB 读取查询结果到 pyspark 数据帧。 我用过的罐子是
--jars mariadb-java-client-2.2.2.jar
我可以使用
读取表格df = spark.read.format("jdbc")\
.option("url","jdbc:mariadb://xxx.xxx.xx.xx:xxxx/hdpms")\
.option("driver", "org.mariadb.jdbc.Driver")\
.option("dbtable", Mytable)\
.option("user", "xxxxx_xxxxx")\
.option("password", "xxxxx")\
.load()
现在我正在寻找一个命令来运行一个简单的查询,例如
SELECT col1,col2,col3,.. From MyTable Where date>2019 and cond2;
虽然我可以使用将查询作为来运行它
"MyTable date>2019 and cond2 --"
as jar 在开头添加SELECT * FROM
,在末尾添加where 1=0
但我面临以下错误
py4j.protocol.Py4JJavaError: An error occurred while calling o455.showString.
: org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 3.0 failed 4 times, most recent failure: Lost task 0.3 in stage 3.0 (TID 12, xhadoopm3095p.aetna.com, executor 2): java.sql.SQLException: Value "DATE_CREATED" cannot be parse as Timestamp
at org.mariadb.jdbc.internal.com.read.resultset.rowprotocol.TextRowProtocol.getInternalTimestamp(TextRowProtocol.java:592)
at org.mariadb.jdbc.internal.com.read.resultset.SelectResultSet.getTimestamp(SelectResultSet.java:1178)
at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$org$apache$spark$sql$execution$datasources$jdbc$JdbcUtils$$makeGetter$11.apply(JdbcUtils.scala:439)
at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$org$apache$spark$sql$execution$datasources$jdbc$JdbcUtils$$makeGetter$11.apply(JdbcUtils.scala:438)
谁能帮我解决这个问题。 谢谢
【问题讨论】:
这能回答你的问题吗? In Apache Spark 2.0.0, is it possible to fetch a query from an external database (rather than grab the whole table)? 【参考方案1】:df = spark.read.format("jdbc")\
.option("url","jdbc:mariadb://xxx.xxx.xx.xx:xxxx/hdpms")\
.option("driver", "org.mariadb.jdbc.Driver")\
.option("dbtable", "(SELECT col1,col2,col3,.. From MyTable Where date>2019 and cond2) tmp")\
.option("user", "xxxxx_xxxxx")\
.option("password", "xxxxx")\
.load()
使用查询为表创建别名,它将起作用
【讨论】:
以上是关于使用 PySpark 从 MariaDB 读取查询 [重复]的主要内容,如果未能解决你的问题,请参考以下文章
pyspark 与 MariaDB 的连接失败并出现 ClassNotFoundException
无法使用 PySpark 从 Elasticsearch 读取