Databricks Runtime 包含Azure SQL 資料庫的 JDBC 驅動程式,本文介紹如何使用資料幀 API 連接配接到使用 JDBC 的 SQL 資料庫,通過 JDBC 接口進行的讀取操作和更新操作。
在Databricks的Notebook中,spark是Databricks内置的一個SparkSession,可以通過該SparkSession來建立DataFrame、引用DataFrameReader和DataFrameWriter等。
一,建立JDBC URL
本文适用Python語言和JDBC驅動程式來連接配接Azure SQL Database,
jdbcHostname = "Azure SQL Database"
jdbcDatabase = "db_name"
jdbcPort = 1433
jdbcUsername="user_name"
jdbcPassword="user_password"
jdbcUrl = "jdbc:sqlserver://{0}:{1};database={2}".format(jdbcHostname, jdbcPort, jdbcDatabase)
connectionProperties = {
"user" : jdbcUsername,
"password" : jdbcPassword,
"driver" : "com.microsoft.sqlserver.jdbc.SQLServerDriver"
}
二,把查詢向下推送到資料庫引擎
可把整個查詢或表向下推送到資料庫,且隻傳回結果。
table
參數辨別要讀取的 JDBC 表。
spark.read.jdbc(url, table, column=None, lowerBound=None, upperBound=None, numPartitions=None, predicates=None, properties=None)
參數注釋:
- url:JDBC URL
- table:表名或查詢
- column、numPartitions、lowerBound和upperBound:用于指定分區的列名,分區的數量,分區的列的最小值和最大值
- predicates:謂詞,用于對資料進行過濾,類似于Where子句
- properties:JDBC資料庫連接配接參數的字典
1,向下推送表
如果把table設定為表名,那麼表示查詢整個表。
pushdown_query = "table_name"
df = spark.read.jdbc(url=jdbcUrl, table=pushdown_query, properties=connectionProperties)
display(df)
對查詢的結果進行投影和過濾:
spark.read.jdbc(jdbcUrl, table=pushdown_query, connectionProperties).select("carat", "cut", "price").where("cut = 'Good'")
2,向下推送查詢
如果向下推送查詢,那麼需要采用下方的格式:(query) data_alias
pushdown_query = "(select * from employees where emp_no < 10008) emp_alias"
df = spark.read.jdbc(url=jdbcUrl, table=pushdown_query, properties=connectionProperties)
display(df)
三,向下推送更新
通過JDBC,把DataFrame的内容存儲到外部資料表中:
spark.write.jdbc(url, table, mode=None, properties=None)
- url:JDBC Url
- table:外部資料庫的表名
- mode:資料更新的模式,append、overwrite、ignore、error(預設,如果資料存在,抛出異常)
參考文檔:
作者:悅光陰
出處:http://www.cnblogs.com/ljhdo/
本文版權歸作者和部落格園所有,歡迎轉載,但未經作者同意,必須保留此段聲明,且在文章頁面醒目位置顯示原文連接配接,否則保留追究法律責任的權利。