PySpark 在一个目录中执行所有测试用例

Question

我正在尝试开发一个脚本来运行保存在一个目录中的所有 spark sql 查询。 我已经能够在 Python 中做到这一点，但 pyspark 是一个不同的游戏。 下面是我用来读取和执行目录中所有查询文件的python脚本。

导入 sys,csv,sqlite3,codecs,unicodedata, string,glob, os,c conn=psycopg2.connect（数据库=“xxx”，用户=“xxxx”，密码=“xxxx”， host="localhost", port="5432") cur = conn.cursor() print("done")

with open("*.txt", "r") as ins: for line in ins:
words=line.split('|') print(words) query=words[0]
pmicode=words[1] 打印（查询） cur = conn.cursor() cur.execute(query) conn.commit() conn.close()

是否可以在 PySpark 中复制它？

谢谢， 潘卡伊

Answer 1

我猜你希望 pyspark 从你在这个 python 脚本中使用的 postgres 数据库中提取数据。

如果 Python 中的当前代码是这样的：

import sys, csv, sqlite3, codecs, unicodedata, string, glob, os
conn = psycopg2.connect(database="xxx", user="xxxx", password="xxxx", host="localhost", port="5432")
cur = conn.cursor()
print("done")

def runSQL(query):
    cur = conn.cursor()
    cur.execute(query)
    conn.commit()

with open("*.txt", "r") as ins:
    for line in ins:
        words = line.split('|')
        print(words)
        query = words[0]
        pmicode = words[1]
        print(query)

conn.close()

相当于使用 JDBC 连接并使用 sqlContext 执行命令：

import sys, csv, sqlite3, codecs, unicodedata, string, glob, os
postgres_url = 'jdbc:postgresql://localhost:5432/database'
properties = {"user": "xxxx", "password": "xxxx"}
print("done")

def runSQL(query):
    return sqlContext.read.jdbc(
        url=postgres_url,
        table="( {0} ) TEMPDB_SPARK_DELINQ".format(query)

with open("*.txt", "r") as ins:
    for line in ins:
        words = line.split('|')
        print(words)
        query = words[0]
        pmicode = words[1]
        print(query)
        runSQL(query)