列式存储kudu基于spark的操作

1、通过kudu客户端创建表

val kuduContext = new KuduContext("kuduMaster:7051",sc)
val sQLContext = new SQLContext(sc)
val kuduTableName = "spark_kudu_table"
val kuduOptions: Map[String, String] = Map(
  "kudu.table"  -> kuduTableName,
  "kudu.master" -> "kuduMaster:7051")

// 检查要创建的表是否存在，若存在就删除
if (kuduContext.tableExists(kuduTableName)) {
  kuduContext.deleteTable(kuduTableName)
}

// 2. 配置schema
val kuduTableSchema = StructType(
  //         col name   type     nullable?主键不能为null
    StructField("id", IntegerType , false) ::
    StructField("age" , IntegerType, true ) ::
    StructField("city", StringType , true ) ::
    StructField("name", StringType , true ) :: Nil)

// 3. 指定主键
val kuduPrimaryKey = Seq("id")

// 4. 指定分区键以及副本数
val kuduTableOptions = new CreateTableOptions()
kuduTableOptions.
  setRangePartitionColumns(List("id").asJava).
  setNumReplicas(3)

// 5. 通过api建表
kuduContext.createTable(
  // Table name, schema, primary key and options
  kuduTableName, kuduTableSchema, kuduPrimaryKey, kuduTableOptions)

运行程序后再kudu的ui界面上就可以看见创建的表了，如图：浏览器访问你的kudumaster:8051

 

2、插入数据

//参数解释：frame：将要插入的数据转为dataframe ，kuduTableName：表名

kuduContext.insertRows(frame,kuduTableName)

或

df.write.options(Map("kudu.master"-> "kuduMaster:7051",
  "kudu.table"-> kuduTable)).mode("append").kudu

 

3、删除数据

//删除表
 kuduContext.deleteTable(kuduTableName)

//删除数据：将要删除的数据查询出来作为参数传入

kuduContext.updateRows(frame,kuduTable)

 

4、更新

//通过sql更新数据后调用api批量更新

val dataFrame = sQLContext.sql("select Name,city,AGE+3 as AGE from kudu_tem")

kuduContext.updateRows(dataFrame,kuduTable)

 

5、查

val kuduOptions: Map[String, String] = Map(
  "kudu.table"  -> kuduTable,
  "kudu.master" -> "kuduMaster:7051")
val reader: DataFrame = sQLContext.read.options(kuduOptions).kudu

 

通过spark创建的表与impala创建的表有一定的区别。通过impala创建的表是不区分大小写的，impala会自动转为小写，而通过spark创建的表是区分大小写的。所以通过不同的途径操作kudu表时，要注意这一点。