1、讀Hive表數(shù)據(jù)

pyspark讀取hive數(shù)據(jù)非常簡單，因為它有專門的接口來讀取，完全不需要像hbase那樣，需要做很多配置，pyspark提供的操作hive的接口，使得程序可以直接使用SQL語句從hive里面查詢需要的數(shù)據(jù)，代碼如下：

from pyspark.sql import HiveContext,SparkSession

_SPARK_HOST = "spark://spark-master:7077"

_APP_NAME = "test"

spark_session = SparkSession.builder.master(_SPARK_HOST).appName(_APP_NAME).getOrCreate()

hive_context= HiveContext(spark_session )

# 生成查詢的SQL語句，這個跟hive的查詢語句一樣，所以也可以加where等條件語句

hive_database = "database1"

hive_table = "test"

hive_read = "select * from {}.{}".format(hive_database, hive_table)

# 通過SQL語句在hive中查詢的數(shù)據(jù)直接是dataframe的形式

read_df = hive_context.sql(hive_read)

2 、將數(shù)據(jù)寫入hive表

pyspark寫hive表有兩種方式：

（1）通過SQL語句生成表

from pyspark.sql import SparkSession, HiveContext

_SPARK_HOST = "spark://spark-master:7077"

_APP_NAME = "test"

spark = SparkSession.builder.master(_SPARK_HOST).appName(_APP_NAME).getOrCreate()

data = [

(1,"3","145"),

(1,"4","146"),

(1,"5","25"),

(1,"6","26"),

(2,"32","32"),

(2,"8","134"),

(2,"8","134"),

(2,"9","137")

]

df = spark.createDataFrame(data, ['id', "test_id", 'camera_id'])

# method one，default是默認數(shù)據(jù)庫的名字，write_test 是要寫到default中數(shù)據(jù)表的名字

df.registerTempTable('test_hive')

sqlContext.sql("create table default.write_test select * from test_hive")

（2）saveastable的方式

# method two

# "overwrite"是重寫表的模式，如果表存在，就覆蓋掉原始數(shù)據(jù)，如果不存在就重新生成一張表

# mode("append")是在原有表的基礎上進行添加數(shù)據(jù)

df.write.format("hive").mode("overwrite").saveAsTable('default.write_test')

tips：

spark用上面幾種方式讀寫hive時，需要在提交任務時加上相應的配置,不然會報錯：

spark-submit --conf spark.sql.catalogImplementation=hive test.py

補充知識：PySpark基于SHC框架讀取HBase數(shù)據(jù)并轉成DataFrame

一、首先需要將HBase目錄lib下的jar包以及SHC的jar包復制到所有節(jié)點的Spark目錄lib下

二、修改spark-defaults.conf 在spark.driver.extraClassPath和spark.executor.extraClassPath把上述jar包所在路徑加進去

三、重啟集群

四、代碼

#/usr/bin/python

#-*- coding:utf-8 –*-

from pyspark import SparkContext

from pyspark.sql import SQLContext,HiveContext,SparkSession

from pyspark.sql.types import Row,StringType,StructField,StringType,IntegerType

from pyspark.sql.dataframe import DataFrame

sc = SparkContext(appName="pyspark_hbase")

sql_sc = SQLContext(sc)

dep = "org.apache.spark.sql.execution.datasources.hbase"

#定義schema

catalog = """{

"table":{"namespace":"default", "name":"teacher"},

"rowkey":"key",

"columns":{

"id":{"cf":"rowkey", "col":"key", "type":"string"},

"name":{"cf":"teacherInfo", "col":"name", "type":"string"},

"age":{"cf":"teacherInfo", "col":"age", "type":"string"},

"gender":{"cf":"teacherInfo", "col":"gender","type":"string"},

"cat":{"cf":"teacherInfo", "col":"cat","type":"string"},

"tag":{"cf":"teacherInfo", "col":"tag", "type":"string"},

"level":{"cf":"teacherInfo", "col":"level","type":"string"} }

}"""

df = sql_sc.read.options(catalog = catalog).format(dep).load()

print ('***************************************************************')

print ('***************************************************************')

print ('***************************************************************')

df.show()

print ('***************************************************************')

print ('***************************************************************')

print ('***************************************************************')

sc.stop()

五、解釋

數(shù)據(jù)來源參考請本人之前的文章，在此不做贅述

schema定義參考如圖：

六、結果

以上這篇在python中使用pyspark讀寫Hive數(shù)據(jù)操作就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python应用中调用spark_在python中使用pyspark读写Hive数据操作的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。