项目实战从0到1之Spark（6）Spark 读取mysql中的数据

阅读目录

• Spark（直接读取mysql中的数据）
• Spark 连接hive 元数据库(mysql)

 

---

回到顶部

Spark（直接读取mysql中的数据）

两种方法的目的：进行mysql数据的数据清洗

方法一：

①执行

[root@head42 spark]# spark-shell --jars /opt/spark/jars/mysql-connector-java-5.1.38.jar

②执行

val df=spark.read.format("jdbc").option("delimiter",",").option("header","true").option("url","jdbc:mysql://192.168.56.103:3306/test").option("dbtable","customer").option("user","root").option("password","ok").load()
#"dbtable":mysql表名
df.show

若是出现：java.sql.SQLException: No suitable driver

执行：

[root@head42 ~]# cd /opt/hive/lib/
[root@head42 lib]# cp mysql-connector-java-5.1.38.jar /opt/spark/jars/

再重新运行上面代码

============================================================

方法二：

①创建sqoop,执行sqoop

#!/bin/bash
sqoop import \
--connect jdbc:mysql://localhost:3306/test \	#test:mysql的数据库
--table table_name \	
--username root \
--password ok \
--target-dir /data/mydata13 \ #指定数据存储在hdfs的路径
-m 1 #指定分几块

②进入hive创建外部表（外部表的数据是存储在hdfs上的）

create external table orders(
order_id int,
order_date timestamp,
order_customer_id int,
order_status string
)
row format delimited
fields terminated by ','
location '/data/mydata1'

然后在执行以下命令就可以在spark上进行数据的清洗

回到顶部

Spark 连接hive 元数据库(mysql)

方法一：

1)打开Hive metastore
[root@head42 ~]# hive --service metastore &
netstat -ano|grep 9083   ???
2)开启spark连接Mysql
[root@head42 ~]# spark-shell --conf spark.hadoop.hive.metastore.uris=thrift://localhost:9083
3）scala> spark.sql("show tables").show
spark.sql("select * from database_name.table_name")//访问其他数据库
+--------+--------------+-----------+
|database|     tableName|isTemporary|
+--------+--------------+-----------+
| default|      customer|      false|
| default|text_customers|      false|
+--------+--------------+-----------+
这样就Ok了!

方法二：

1）拷贝hive的hive-site.xml文件到spark的conf目录下

2）修改spark中hive-site.xml文件

添加以下：
<configuration>
<property>
  <name>hive.metastore.uris</name>
 <value>thrift://localhost:9083</value>
</property>
</configuration>

3）另建窗口启动：

[root@head42 conf]# hive --service metastore

4）启动spark:

[root@head42 conf]# spark-shell

5）测试：

spark.sql("select * from database_name.table_name").show//访问其他数据库的表格
scala> spark.sql("show tables").show
+--------+--------------+-----------+
|database|     tableName|isTemporary|
+--------+--------------+-----------+
| default|      customer|      false|
| default|text_customers|      false|
+--------+--------------+-----------+
这样就OK了！