【问题标题】:Writing data from kafka to hive using pyspark - stucked使用 pyspark 将数据从 kafka 写入 hive - 卡住
【发布时间】:2020-02-16 16:15:31
【问题描述】:

我刚接触 spark 并开始使用 pyspark,我正在学习使用 pyspark 将数据从 kafka 推送到 hive。

from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
from pyspark.sql.functions import *
from pyspark.streaming.kafka import KafkaUtils
from os.path import abspath

warehouseLocation = abspath("spark-warehouse")

spark = SparkSession.builder.appName("sparkstreaming").getOrCreate()

df = spark.read.format("kafka").option("startingoffsets", "earliest").option("kafka.bootstrap.servers", "kafka-server1:66,kafka-server2:66").option("kafka.security.protocol", "SSL").option("kafka.ssl.keystore.location", "mykeystore.jks").option("kafka.ssl.keystore.password","mykeystorepassword").option("subscribe","json_stream").load().selectExpr("CAST(value AS STRING)")

json_schema = df.schema

df1 = df.select($"value").select(from_json,json_schema).alias("data").select("data.*")

上述方法不起作用,但是在提取数据后,我想将数据插入到 hive 表中。

由于我是全新的,寻求帮助。 提前表扬! :)

【问题讨论】:

    标签: pyspark spark-streaming spark-streaming-kafka


    【解决方案1】:
    from os.path import expanduser, join, abspath
    
    from pyspark.sql import SparkSession
    from pyspark.sql import Row
    
    # warehouse_location points to the default location for managed databases and tables
    warehouse_location = abspath('spark-warehouse')
    
    spark = SparkSession \
    .builder \
    .appName("Python Spark SQL Hive integration example") \
    .config("spark.sql.warehouse.dir", warehouse_location) \
    .enableHiveSupport() \
    .getOrCreate()
    
    # spark is an existing SparkSession
    spark.sql("CREATE TABLE IF NOT EXISTS src (key INT, value STRING) USING hive")
    spark.sql("LOAD DATA LOCAL INPATH 'examples/src/main/resources/kv1.txt' INTO TABLE src")
    

    【讨论】:

    • 我在 kafka 中的值是一个 json 流,比如 {"foo":"foo", "bar":"bar","table_name":"mytable"} {"barfoo": "barfoo","foobar":"foobar","table_name":"mytable"} 一旦我做了 df.selectExpr("CAST (value AS STRING)"), 我如何将数据插入到 hive 表 "mytable",你能帮忙吗
    • 我编辑了代码,如果您仍然遇到一些问题,请检查并实施,请告诉我
    • @Jay Kakadiya 你的意思是将数据从 kafka 保存到 hdfs 位置,然后将其加载到临时表以插入到真实表中,如果我的理解不正确,请告诉我
    猜你喜欢
    • 2020-10-06
    • 2018-06-24
    • 2020-11-26
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2018-10-17
    • 2017-10-04
    • 1970-01-01
    相关资源
    最近更新 更多