视频:JDBCRDD源码及自定义JDBCRDD的分区策略
16lz
2021-03-18
视频:JDBCRDD源码及自定义JDBCRDD的分区策略
深圳浪尖 浪尖聊大数据
jdbcRDD虽然是鸡肋,但是也值得一讲。帮助大家更进一步理解RDD。
1,JDBCRDD使用
val data = new JdbcRDD(sc, getConnection, "SELECT id,aa FROM bbb where ? <= ID AND ID <= ?", lowerBound = 3, upperBound =5, numPartitions = 1, mapRow = extractValues)
参数解释:
1,sparkcontext。
2,一个创建链接的函数。
3,sql。必须有? <= ID AND ID <= ?。
4,要取数据的id最小行。
5,要取数据的id最大行号。
6,分区数。
7,一个将ResultSet转化为需要类型的方法。
2,JdbcRDD的getPartition方法
override def getPartitions: Array[Partition] = { // bounds are inclusive, hence the + 1 here and - 1 on end val length = BigInt(1) + upperBound - lowerBound (0 until numPartitions).map(i => { val start = lowerBound + ((i * length) / numPartitions) val end = lowerBound + (((i + 1) * length) / numPartitions) - 1 new JdbcPartition(i, start.toLong, end.toLong) }).toArray}
3,JdbcRDD的compute方法
就是一个通过jdbc获取指定范围数据的过程。
val part = thePart.asInstanceOf[JdbcPartition]val conn = getConnection()val stmt = conn.prepareStatement(sql, ResultSet.TYPE_FORWARD_ONLY, ResultSet.CONCUR_READ_ONLY)stmt.setLong(1, part.lower)stmt.setLong(2, part.upper)val rs = stmt.executeQuery()
4,重写JDBC方法
重写分区的方法即可。
如:
CustomizedJdbcRDD[T: ClassTag]( sc: SparkContext, getConnection: () => Connection, sql: String, getCustomizedPartitions: () => Array[Partition], prepareStatement: (PreparedStatement, CustomizedJdbcPartition) => PreparedStatement, mapRow: (ResultSet) => T = CustomizedJdbcRDD.resultSetToObjectArray _)
同时把getPartition方法重写为:
override def getPartitions: Array[Partition] = { getCustomizedPartitions();}
https://v.qq.com/x/page/t0700p2vwyg.html
©著作权归作者所有:来自51CTO博客作者mob604756ed02fe的原创作品,如需转载,请注明出处,否则将追究法律责任好知识,才能预见未来
赞赏
0人进行了赞赏支持
更多相关文章
- JS数组性能小则|你以为的快不是真的快
- 0基础学习Python该如何入门?Python学习方法!
- 关于Cisco Smart Install存在远程命令执行漏洞的情况通报
- Shiro源码分析----授权流程
- 快速提高技术的方法 & 长期欢迎投稿
- C/C++ 性能优化背后的方法论:TMAM
- 深入理解Java Stream流水线
- 配置 eslint 去掉 no-unused-vars 报错 方法汇总
- 运维助力敏捷交付-我们的运维看板