无法使用 PySpark 插入 SQL,但可以在 SQL 中使用
Posted
技术标签:
【中文标题】无法使用 PySpark 插入 SQL,但可以在 SQL 中使用【英文标题】:Cannot Insert into SQL using PySpark, but works in SQL 【发布时间】:2020-05-15 23:00:40 【问题描述】:我使用以下 SQL 在下面创建了一个表:
CREATE TABLE [dbo].[Validation](
[RuleId] [int] IDENTITY(1,1) NOT NULL,
[AppId] [varchar](255) NOT NULL,
[Date] [date] NOT NULL,
[RuleName] [varchar](255) NOT NULL,
[Value] [nvarchar](4000) NOT NULL
)
注意身份密钥 (RuleId)
在 SQL 中将值插入到表中时,如下所示:
注意:如果表为空并递增,则不按原样插入主键会自动填充
INSERT INTO dbo.Validation VALUES ('TestApp','2020-05-15','MemoryUsageAnomaly','2300MB')
但是,当在 databricks 上创建临时表并执行下面的相同查询时,在 PySpark 上运行此查询如下:
%python
driver = <Driver>
url = "jdbc:sqlserver:<URL>"
database = "<db>"
table = "dbo.Validation"
user = "<user>"
password = "<pass>"
#import the data
remote_table = spark.read.format("jdbc")\
.option("driver", driver)\
.option("url", url)\
.option("database", database)\
.option("dbtable", table)\
.option("user", user)\
.option("password", password)\
.load()
remote_table.createOrReplaceTempView("YOUR_TEMP_VIEW_NAMES")
sqlcontext.sql("INSERT INTO YOUR_TEMP_VIEW_NAMES VALUES ('TestApp','2020-05-15','MemoryUsageAnomaly','2300MB')")
我收到以下错误:
AnalysisException: '未知要求插入的数据与目标表的列数相同:目标表有5列但插入的数据有4列,包括0个分区列) 具有恒定值。;'
为什么它可以在 SQL 上工作,但在通过数据块传递查询时却不行?如何通过 pyspark 插入而不出现此错误?
【问题讨论】:
@DaleK,我试过 sqlContext.sql("INSERT INTO YOUR_TEMP_VIEW_NAMES (Appid,Date,RuleName,Value) VALUES (1,'2020-05-15','MemoryUsageAnomaly','2300MB') ") 但是我得到一个 Parse Exception: ParseException: "\nmismatched input 'Appid' Expecting '(', 'SELECT', 'FROM', 'DESC', 'VALUES', 'TABLE', 'INSERT', ' DESCRIBE', 'MAP', 'MERGE', 'UPDATE', 'REDUCE'(第 1 行,位置 34)\n\n== SQL ==\nINSERT INTO YOUR_TEMP_VIEW_NAMES(Appid,Date,RuleName,Value)值( 1,'2020-05-15','MemoryUsageAnomaly','2300MB')\n----------------------------- ----^^^\n" 【参考方案1】:这里最直接的解决方案是使用 Scala 单元中的 JDBC。 EG
%scala
import java.util.Properties
import java.sql.DriverManager
val jdbcUsername = dbutils.secrets.get(scope = "kv", key = "sqluser")
val jdbcPassword = dbutils.secrets.get(scope = "kv", key = "sqlpassword")
val driverClass = "com.microsoft.sqlserver.jdbc.SQLServerDriver"
// Create the JDBC URL without passing in the user and password parameters.
val jdbcUrl = s"jdbc:sqlserver://xxxx.database.windows.net:1433;database=AdventureWorks;encrypt=true;trustServerCertificate=false;hostNameInCertificate=*.database.windows.net;loginTimeout=30;"
// Create a Properties() object to hold the parameters.
val connectionProperties = new Properties()
connectionProperties.put("user", s"$jdbcUsername")
connectionProperties.put("password", s"$jdbcPassword")
connectionProperties.setProperty("Driver", driverClass)
val connection = DriverManager.getConnection(jdbcUrl, jdbcUsername, jdbcPassword)
val stmt = connection.createStatement()
val sql = "INSERT INTO dbo.Validation VALUES ('TestApp','2020-05-15','MemoryUsageAnomaly','2300MB')"
stmt.execute(sql)
connection.close()
您也可以使用 pyodbc,但默认情况下不安装 SQL Server ODBC 驱动程序,而 JDBC 驱动程序是。
Spark 解决方案是在 SQL Server 中创建一个视图并插入该视图。例如
create view Validation2 as
select AppId,Date,RuleName,Value
from Validation
然后
tableName = "Validation2"
df = spark.read.jdbc(url=jdbcUrl, table=tableName, properties=connectionProperties)
df.createOrReplaceTempView(tableName)
sqlContext.sql("INSERT INTO Validation2 VALUES ('TestApp','2020-05-15','MemoryUsageAnomaly','2300MB')")
如果您想封装 Scala 并从其他语言(如 Python)调用它,您可以使用 scala package cell。
例如
%scala
package example
import java.util.Properties
import java.sql.DriverManager
object JDBCFacade
def runStatement(url : String, sql : String, userName : String, password: String): Unit =
val connection = DriverManager.getConnection(url, userName, password)
val stmt = connection.createStatement()
try
stmt.execute(sql)
finally
connection.close()
然后你可以这样称呼它:
jdbcUsername = dbutils.secrets.get(scope = "kv", key = "sqluser")
jdbcPassword = dbutils.secrets.get(scope = "kv", key = "sqlpassword")
jdbcUrl = "jdbc:sqlserver://xxxx.database.windows.net:1433;database=AdventureWorks;encrypt=true;trustServerCertificate=false;hostNameInCertificate=*.database.windows.net;loginTimeout=30;"
sql = "select 1 a into #foo from sys.objects"
sc._jvm.example.JDBCFacade.runStatement(jdbcUrl,sql, jdbcUsername, jdbcPassword)
【讨论】:
因为我在我的 python 中使用了 sqlcontext.sql,所以我不会得到与我上面的评论相同的解析异常吗?解析异常: ParseException: "\nmismatched input 'Appid' 期望 '(', 'SELECT', 'FROM', 'DESC', 'VALUES', 'TABLE', 'INSERT', 'DESCRIBE', 'MAP', 'MERGE', 'UPDATE', 'REDUCE'(第 1 行,第 34 位)\n\n== SQL ==\nINSERT INTO YOUR_TEMP_VIEW_NAMES(Appid,Date,RuleName,Value)VALUES (1,'2020-05- 15','MemoryUsageAnomaly','2300MB')\n---------------------------------^^^ \n" Spark SQL 不支持在 INSERT 中指定目标列。见docs.databricks.com/spark/latest/spark-sql/language-manual/…。在 Scala 示例中,这是 TSQL 而不是 Spark SQL。并且可以指定输入列,或者让 SQL Server 自动忽略 IDENTITY 列。 Browne,有什么建议可以在 python 环境中运行 Scala 吗?我需要在 python 函数中使用 scala。 好问题。是的!我刚刚了解了 Scala 封装单元,它们在这里工作。查看更新。 效果很好。感谢您的帮助!以上是关于无法使用 PySpark 插入 SQL,但可以在 SQL 中使用的主要内容,如果未能解决你的问题,请参考以下文章