PySpark 在一个目录中执行所有测试用例

Posted 2023-04-15

【中文标题】PySpark 在一个目录中执行所有测试用例

【英文标题】：PySpark execute all test cases in a directory

【发布时间】：2016-09-02 13:14:37

【问题描述】：

我正在尝试开发一个脚本来运行保存在一个目录中的所有 spark sql 查询。 我已经能够在 Python 中做到这一点，但 pyspark 是一个不同的游戏。 下面是我用来读取和执行目录中所有查询文件的python脚本。

导入 sys,csv,sqlite3,codecs,unicodedata, string,glob, os,c conn=psycopg2.connect（数据库=“xxx”，用户=“xxxx”，密码=“xxxx”， host="localhost", port="5432") cur = conn.cursor() print("done")

with open("*.txt", "r") as ins: for line in ins: words=line.split('|') print(words) query=words[0] pmicode=words[1] 打印（查询） cur = conn.cursor() cur.execute(query) conn.commit() conn.close()

是否可以在 PySpark 中复制它？

谢谢， 潘卡伊

【参考方案1】：

我猜你希望 pyspark 从你在这个 python 脚本中使用的 postgres 数据库中提取数据。

如果 Python 中的当前代码是这样的：

import sys, csv, sqlite3, codecs, unicodedata, string, glob, os
conn = psycopg2.connect(database="xxx", user="xxxx", password="xxxx", host="localhost", port="5432")
cur = conn.cursor()
print("done")

def runSQL(query):
    cur = conn.cursor()
    cur.execute(query)
    conn.commit()

with open("*.txt", "r") as ins:
    for line in ins:
        words = line.split('|')
        print(words)
        query = words[0]
        pmicode = words[1]
        print(query)

conn.close()

相当于使用 JDBC 连接并使用 sqlContext 执行命令：

import sys, csv, sqlite3, codecs, unicodedata, string, glob, os
postgres_url = 'jdbc:postgresql://localhost:5432/database'
properties = "user": "xxxx", "password": "xxxx"
print("done")

def runSQL(query):
    return sqlContext.read.jdbc(
        url=postgres_url,
        table="( 0 ) TEMPDB_SPARK_DELINQ".format(query)

with open("*.txt", "r") as ins:
    for line in ins:
        words = line.split('|')
        print(words)
        query = words[0]
        pmicode = words[1]
        print(query)
        runSQL(query)

【讨论】：

感谢您抽出时间回复。不幸的是，它不能解决我的用例。我正在寻找在一个目录中运行所有查询文件。上面的脚本将为 Postgres 执行此操作。但我使用的是 SparkSQL 和 PySpark 的组合。这就是“PySpark 在一个目录中执行所有测试用例”这个问题的原因。