【问题标题】:Generate database schema diagram for Databricks为 Databricks 生成数据库架构图
【发布时间】:2020-09-07 20:26:46
【问题描述】:

我正在创建一个 Databricks 应用程序,并且数据库架构变得非常重要。有没有办法可以为 Databricks 数据库生成架构图(类似于可以从 mysql 生成的架构图)?

【问题讨论】:

  • 您对什么样的信息感兴趣?
  • 理想情况下,我希望查看所有数据库、所有表和所有具有数据类型的列。

标签: apache-spark database-schema databricks diagram


【解决方案1】:

有两种可能的变体:

  1. 将 Spark SQL 与 show databases、show tables in <database>、describe table ... 一起使用
  2. 使用spark.catalog.listDatabases、spark.catalog.listTables、spark.catagog.listColumns。

当您在数据库/命名空间中有很多表时,第二个变体的性能不是很好,尽管以编程方式使用它稍微容易一些。但在这两种情况下,实现只是 3 个嵌套循环迭代数据库列表,然后是数据库中的表列表,然后是表中的列列表。这些数据可用于使用您最喜欢的图表工具生成图表。

这里是生成PlantUML的源代码(完整代码是here):

# This script generates PlantUML diagram for tables visible to Spark.
# The diagram is stored in the db_schema.puml file, so just run
# 'java -jar plantuml.jar db_schema.puml' to get PNG file

from pyspark.sql import SparkSession
from pyspark.sql.utils import AnalysisException

# Variables

# list of databases/namespaces to analyze.  Could be empty, then all existing 
# databases/namespaces will be processed
databases = ["a", "airbnb"] # put databases/namespace to handle
# change this if you want to include temporary tables as well
include_temp = False

# implementation
spark = SparkSession.builder.appName("Database Schema Generator").getOrCreate()

# if databases aren't specified, then fetch list from the Spark
if len(databases) == 0:
    databases = [db["namespace"] for db in spark.sql("show databases").collect()]

with open(f"db_schema.puml", "w") as f:
    f.write("\n".join(
        ["@startuml", "skinparam packageStyle rectangle", "hide circle",
         "hide empty methods", "", ""]))

    for database_name in databases[:3]:
        f.write(f'package "{database_name}" {{\n')
        tables = spark.sql(f"show tables in `{database_name}`")
        for tbl in tables.collect():
            table_name = tbl["tableName"]
            db = tbl["database"]
            if include_temp or not tbl["isTemporary"]:
                lines = []
                try:
                    lines.append(f'class {table_name} {{')
                    cols = spark.sql(f"describe table `{db}`.`{table_name}`")
                    for cl in cols.collect():
                        col_name = cl["col_name"]
                        data_type = cl["data_type"]
                        lines.append(f'{{field}} {col_name} : {data_type}')

                    lines.append('}\n')
                    f.write("\n".join(lines))
                except AnalysisException as ex:
                    print(f"Error when trying to describe {tbl.database}.{table_name}: {ex}")

        f.write("}\n\n")

    f.write("@enduml\n")

然后可以转换成图片:

【讨论】:

  • 哇!感谢您的详细回答。我会尽快尝试。
猜你喜欢
  • 2021-03-10
  • 1970-01-01
  • 2018-12-01
  • 2011-06-23
  • 1970-01-01
  • 2011-03-31
  • 2021-09-27
  • 2012-08-30
  • 1970-01-01
相关资源
最近更新 更多