我们如何使用 jdbc 执行连接查询，而不是使用 pyspark 获取多个表

Posted 2023-03-27

【中文标题】我们如何使用 jdbc 执行连接查询，而不是使用 pyspark 获取多个表

【英文标题】：instead of fetching multiple tables using pyspark how can we execute join query using jdbc

【发布时间】：2018-03-06 12:03:18

【问题描述】：

客户 - c_id、c_name、c_address 产品 - p_id、p_name、价格 供应商 - s_id、s_name、s_address 订单 - o_id、c_id、p_id、数量、时间

SELECT o.o_id,
       c.c_id,
       c.c_name,
       p.p_id,
       p.p_name,
       p.price * o.quantity AS amount
FROM customer c
JOIN orders o ON o.c_id = c.c_id
JOIN product p ON p.p_id = o.p_id;

我想在不获取 3 个表作为 pyspark 中的单独数据帧并在数据帧上执行连接的情况下执行上述查询。

【参考方案1】：

您可以使用查询代替表，如下所述

参考PySpark Documentation

df = spark.read.jdbc(
        "url", "(query) as table", 
        properties="user":"username", "password":"password")

你的情况是：

df = spark.read.jdbc("url", """
    (
        SELECT o.o_id,
            c.c_id,
            c.c_name,
            p.p_id,
            p.p_name,
            p.price * o.quantity AS amount
            FROM customer c
            JOIN orders o ON o.c_id = c.c_id
            JOIN product p ON p.p_id = o.p_id
    ) as table""", properties="user":"username", "password":"password")

这个answer 使用了这种类型的查询来代替表。这个question 也与您的情况相关