PySpark_Streaming+DBUtils+MySQL

Design Patterns for using foreachRDD
dstream.foreachRDD is a powerful primitive that allows data to be sent out to external systems.
However, it is important to understand how to use this primitive correctly and efficiently.

spark2.3.0版本的官網(wǎng)介紹說dstream.foreachRDD是一個功能強(qiáng)大的原語,允許將數(shù)據(jù)發(fā)送到外部系統(tǒng)烤芦。但是赚导,了解如何正確有效地使用此原語非常重要。

官網(wǎng)給出了foreachRDD的一些用法,但是沒有給出類似wordcount的完整代碼祭刚,在使用數(shù)據(jù)庫連接池的過程還是踩了一些坑宝泵,分享給大家。

示例代碼實(shí)現(xiàn)的是wordcount結(jié)果寫入數(shù)據(jù)庫洲守,并使用數(shù)據(jù)庫連接池疑务。我使用的spark版本是2.3.0沾凄,使用python編寫應(yīng)用程序,部署模式是on yarn client知允。

# foreachRDD_dbutils.py
import os
os.environ.setdefault('SPARK_HOME','/opt/appl/spark')

import findspark
findspark.init()

from pyspark import SparkContext
from pyspark.streaming import StreamingContext

import MySQLdb
from DBUtils.PooledDB import PooledDB

class Pool(object):
    # 創(chuàng)建一個類變量
    __pool = None

    def __init__(self):
        pass

    # 獲取連接池
    @staticmethod
    def get_connection():
        if Pool.__pool is None:
            Pool.__pool = PooledDB(MySQLdb,5,host='******',user='root',passwd='root',database='******',charset='utf8')
        return Pool.__pool.connection()

    # 關(guān)閉連接池
    @staticmethod
    def close():
        if Pool.__pool is not None:
            Pool.__pool.close()


def sendPartition(partition):
    connection = Pool.get_connection()
    cursor = connection.cursor()
    for record in partition:
        # python 必須用str將int轉(zhuǎn)換成string
        cursor.execute("insert into wordcount(word,wordcount) values('" + record[0] + "'," + str(record[1]) + ")")
    # 批量提交到數(shù)據(jù)庫執(zhí)行
    connection.commit()
    # 關(guān)閉連接是指把連接放回連接池撒蟀,而不是真正的關(guān)閉
    connection.close()

# 將wordcount統(tǒng)計結(jié)果寫到mysql中
if __name__ == "__main__":
    sc = SparkContext(appName='spark_streaming_test',master='yarn')
    ssc = StreamingContext(sc,5)

    lines = ssc.socketTextStream('172.30.1.243', 9999)

    counts = lines.flatMap(lambda line : line.split(' ')) \
            .map(lambda word : (word, 1)) \
            .reduceByKey(lambda a,b : a + b)

    counts.foreachRDD(lambda rdd : rdd.foreachPartition(sendPartition))

    counts.pprint()

    ssc.start()
    try:
        ssc.awaitTermination()
    except:
        pass
    finally:
        # 關(guān)閉連接池
        Pool.close()

提交程序執(zhí)行:

ssh://appl@172.30.1.243:22/opt/appl/anaconda3/bin/python -u /opt/appl/pycharm-projects/spark_streaming_test/foreachRDD_dbutils.py
/opt/appl/spark/conf/spark-env.sh: line 72: hadoop: command not found
2019-01-17 21:28:56 WARN  NativeCodeLoader:62 - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
2019-01-17 21:29:00 WARN  Client:66 - Neither spark.yarn.jars nor spark.yarn.archive is set, falling back to uploading libraries under SPARK_HOME.
-------------------------------------------
Time: 2019-01-17 21:29:25
-------------------------------------------

-------------------------------------------
Time: 2019-01-17 21:29:30
-------------------------------------------

注意:

  • 數(shù)據(jù)庫連接池需要是靜態(tài)并且最好是懶加載的。
  • 上面的數(shù)據(jù)庫連接池如果不是懶加載會發(fā)生連接池對象序列化異常温鸽。官網(wǎng)對于這點(diǎn)也有說明保屯。
  • 數(shù)據(jù)庫連接池懶加載的過程有線程并發(fā)不同步的風(fēng)險,但是如果我加了鎖就會發(fā)生鎖序列化異常涤垫,所以這里沒有更好的解決方案姑尺。
  • 可能會發(fā)生 Error from python worker: /bin/python: No module named pyspark 錯誤。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末蝠猬,一起剝皮案震驚了整個濱河市切蟋,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌榆芦,老刑警劉巖柄粹,帶你破解...
    沈念sama閱讀 206,968評論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異匆绣,居然都是意外死亡驻右,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,601評論 2 382
  • 文/潘曉璐 我一進(jìn)店門犬绒,熙熙樓的掌柜王于貴愁眉苦臉地迎上來旺入,“玉大人,你說我怎么就攤上這事凯力∫瘃” “怎么了?”我有些...
    開封第一講書人閱讀 153,220評論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長疫萤。 經(jīng)常有香客問我贷帮,道長,這世上最難降的妖魔是什么雕旨? 我笑而不...
    開封第一講書人閱讀 55,416評論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮捧请,結(jié)果婚禮上凡涩,老公的妹妹穿的比我還像新娘。我一直安慰自己疹蛉,他們只是感情好活箕,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,425評論 5 374
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著可款,像睡著了一般育韩。 火紅的嫁衣襯著肌膚如雪克蚂。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,144評論 1 285
  • 那天筋讨,我揣著相機(jī)與錄音埃叭,去河邊找鬼。 笑死悉罕,一個胖子當(dāng)著我的面吹牛赤屋,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播蛮粮,決...
    沈念sama閱讀 38,432評論 3 401
  • 文/蒼蘭香墨 我猛地睜開眼益缎,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了然想?” 一聲冷哼從身側(cè)響起莺奔,我...
    開封第一講書人閱讀 37,088評論 0 261
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎变泄,沒想到半個月后令哟,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,586評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡妨蛹,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,028評論 2 325
  • 正文 我和宋清朗相戀三年屏富,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片蛙卤。...
    茶點(diǎn)故事閱讀 38,137評論 1 334
  • 序言:一個原本活蹦亂跳的男人離奇死亡狠半,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出颤难,到底是詐尸還是另有隱情神年,我是刑警寧澤,帶...
    沈念sama閱讀 33,783評論 4 324
  • 正文 年R本政府宣布行嗤,位于F島的核電站已日,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏栅屏。R本人自食惡果不足惜飘千,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,343評論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望栈雳。 院中可真熱鬧护奈,春花似錦、人聲如沸哥纫。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,333評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽磺箕。三九已至奖慌,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間松靡,已是汗流浹背简僧。 一陣腳步聲響...
    開封第一講書人閱讀 31,559評論 1 262
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留雕欺,地道東北人岛马。 一個月前我還...
    沈念sama閱讀 45,595評論 2 355
  • 正文 我出身青樓,卻偏偏與公主長得像屠列,于是被迫代替她去往敵國和親啦逆。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,901評論 2 345

推薦閱讀更多精彩內(nèi)容