码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • spark集成hudi


    启动spark-shell

    1. spark-shell \
    2. > --jars /opt/software/hudi-spark3.1-bundle_2.12-0.12.0.jar \
    3. > --conf 'spark.serializer=org.apache.spark.serializer.KryoSerializer'\
    4. > --conf 'spark.sql.extensions=org.apache.spark.sql.hudi.HoodieSparkSessionExtension'

    2

    hudi内置数据生成器,生成10条json数据

    1. scala> :paste
    2. // Entering paste mode (ctrl-D to finish)
    3. import org.apache.hudi.QuickstartUtils._
    4. import scala.collection.JavaConversions._
    5. import org.apache.spark.sql.SaveMode._
    6. import org.apache.hudi.DataSourceReadOptions._
    7. import org.apache.hudi.DataSourceWriteOptions._
    8. import org.apache.hudi.config.HoodieWriteConfig._
    9. import org.apache.hudi.common.model.HoodieRecord
    10. val tableName="hudi_trips_cow"
    11. val basePath ="file:///tmp/hudi_trips_cow"
    12. val dataGen = new DataGenerator
    13. val inserts=convertToStringList(dataGen.generateInserts(10))

    3加载到DF,写入hudi,实现简单etl处理

    1. scala> :paste
    2. // Entering paste mode (ctrl-D to finish)
    3. val df = spark.read.json(spark.sparkContext.parallelize(inserts, 2))
    4. df.write.format("hudi").
    5. options(getQuickstartWriteConfigs).
    6. option(PRECOMBINE_FIELD_OPT_KEY, "ts").
    7. option(RECORDKEY_FIELD_OPT_KEY, "uuid").
    8. option(PARTITIONPATH_FIELD_OPT_KEY, "partitionpath").
    9. option(TABLE_NAME, tableName).
    10. mode(Overwrite).
    11. save(basePath)

    4读取存储数据及注册临时表

    1. scala> :paste
    2. // Entering paste mode (ctrl-D to finish)
    3. val tripsSnapshotDF = spark.read.format("hudi").load(basePath + "/*/*/*/*")
    4. tripsSnapshotDF.createOrReplaceTempView("hudi_trips_snapshot")
    5. spark.sql("select fare, begin_lon, begin_lat, ts from hudi_trips_snapshot where fare > 20.0").show()

  • 相关阅读:
    Day12:信息打点-Web应用&源码泄漏&开源闭源&指纹识别&GIT&SVN&DS&备份
    RR调度是什么
    项目——boost搜索引擎
    电路综合-基于简化实频的集总参数电路匹配1
    设计模式--模板方法&外观模式
    分享一下怎么在微信小程序上卖东西
    常用的云安全防护措施盘点
    面试经典150题——Day9
    第4章,在 PyCharm 中创建、打开、关闭项目的操作
    flink1.13报错:The file STDOUT does not exist on the TaskExecutor
  • 原文地址:https://blog.csdn.net/m0_65077254/article/details/132774828
  • 最新文章
  • 沪漂五周年了:我越来越迷茫了
    Agentic Skill Routing 实战:别再把所有 Skill 塞进 AI Agent 上下文
    MySQL-Seconds_behind_master的精度误差
    [MAF预定义ChatClient中间件-03]CachingChatClient——利用缓存省钱省时间
    AI的至暗历史:从万众期待到被政府撤资,AI的两次死亡徘徊
    Agent OS :五种驯服不确定性的范式
    PortSwigger SQL注入LAB11
    数据库即时编译JIT
    [Begin]AI Learn Data Day 0
    深度学习进阶(二十七)现代 LLM 的核心架构设计其二:SwiGLU
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
小工具 小游戏
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1

京公网安备 11010502049817号