SparkSQL操作sqlserver和postgresql示例

 def main(agrs: Array[String]){
    //configuration and new Spark Context
    val conf = new SparkConf().setAppName("SparkSQL_Select_Table")
          .set("spark.driver.allowMultipleContexts", "true")
          .set("spark.sql.shuffle.partitions","12")
           //本地启动
          .setMaster("local[2]");
    val sc = new SparkContext(conf);
   
    //new SparkSQL Context
    val sqlContext = new org.apache.spark.sql.SQLContext(sc);
   
    val tableName = "test";
    val sql = "select count(*) from test";
    
    //Connection URL to sqlserver
    val sqlsUrl = "jdbc:sqlserver://ip:port;DatabaseName=dbName;username=user;password=user"
    
    //Connection URL to postgresql
    //val pgUrl = "jdbc:postgresql://ip:port/dbName?currentSchema=modelName&user=pg&password=pg"
    
    val df = sqlContext.load("jdbc", Map("url" -> sqlsUrl, "dbtable" -> tableName))
       df.registerTempTable(tableName);
    val dataResult = sqlContext.sql(sql);
    dataResult.show();
    //release Spark Context
    sc.stop();
  }

 

最近一直在用SparkSQL，将关系型数据库的数据导出到指定位置，这个指定位置概念很广泛，本地，分布式存储，分布式数据库，或者Tachyon这种内存文件系统。

 

上述代码需要注意，如果Master是本地，对应的JDBC驱动包在引用的jar包中即可，如果提交到Mesos或者yarn上，需要使用maven或sbt将JDBC驱动包一起打包到提交的jar包中，否则executor会报文件找不到的异常