Spark Mongodb集成 - Python版

Spark是最近比較火的數(shù)據(jù)處理平臺(tái)赴捞,相對(duì)于Hadoop的Mapreduce(MR)逼裆,既具有運(yùn)行速度的優(yōu)勢(shì),又打破的Hadoop MR交互性差的局限赦政,同時(shí)胜宇,其機(jī)器學(xué)習(xí)組件MLlib可以極大的滿足數(shù)據(jù)處理過程中的算法需求。

Spark采用Scala語言編寫恢着,但同時(shí)支持Scala桐愉,Python與Java做為開發(fā)語言,甚至SparkR項(xiàng)目的出現(xiàn)某種程度上支持了R語言然评。

MongoDB做為NoSQL比較早的實(shí)現(xiàn)仅财,其文檔化的存儲(chǔ)方式狈究,更貼切數(shù)據(jù)的表達(dá)碗淌,其自身的BSON數(shù)據(jù)格式跟JSON非常相像,是做為半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)的選擇之一抖锥。

但是現(xiàn)有的Spark與MongoDB的集成亿眠,大部分都局限在Java和Scala版本上,Python的實(shí)現(xiàn)可以參考的文章實(shí)在有限磅废,尤其對(duì)Spark中的數(shù)據(jù)存儲(chǔ)到MongoDB方面纳像,也有不少坑。

本文參考 @Matt 發(fā)表在databricks上的這篇文章:https://databricks.com/blog/2015/03/20/using-mongodb-with-spark.html拯勉,在這篇文章的基礎(chǔ)上進(jìn)行了翻譯并改進(jìn)竟趾,希望能對(duì)現(xiàn)在跟我一樣有這樣需求的小伙伴有一定的幫助。

1宫峦、準(zhǔn)備工作

首先岔帽,你需要準(zhǔn)備好Spark跟MongoDB的環(huán)境,版本的話导绷,Spark一定要1.3.0+犀勒,這個(gè)版本推出了DataFrame,與Spark SQL集合起來用,可以達(dá)到開發(fā)效率跟運(yùn)行效率的雙向提高贾费,選擇1.3以上版本是因?yàn)橹暗陌姹居羞@個(gè)Issue:SPARK-5361存在钦购。MongoDB的話,推薦3.0褂萧,參考3.0的release note押桃。

然后,你需要準(zhǔn)備好相應(yīng)的Library:1)mongo-java-driver导犹,選擇3.0.1版本怨规,3.1版本沒有試過,理論上應(yīng)該也可行锡足;2)mongo-hadoop波丰,不要直接去下載1.3.2版本,該版本有BUG舶得,需要編譯掰烟。

2、修改mongo-hadoop庫

1)git clone https://github.com/mongodb/mongo-hadoop

2) 修改MongoRecordWriter.java文件

修改的目的是為了可以直接讓dict型的數(shù)據(jù)直接存在MongoDB中沐批,而不是以{value:dict}的方式存儲(chǔ)纫骑,修改參看下圖,實(shí)在忍不住吐槽下簡(jiǎn)書默認(rèn)的編輯器, 引用九孩,代碼都沒有辦法高亮 :(

MongoRecordWriter.java

3)編譯

官方默認(rèn)的編譯命令是: ./gradlew jar 先馆,編譯后的文件會(huì)放在core/build/libs目錄下

mongo-hadoop-core-1.3.3-SNAPSHOT.jar

3、運(yùn)行

前期工作準(zhǔn)備好之后躺彬,使用pyspark --master local[6] --driver-class-path <path>/mongo-java-driver-3.0.1.jar --jars <path>/mongo-hadoop-core-1.3.3-SNAPSHOT.jar,<path>/mongo-java-driver-3.0.1.jar 運(yùn)行pyspark煤墙。注意,目前測(cè)試下來宪拥,僅支持local方式運(yùn)行仿野。


運(yùn)行命令

請(qǐng)參考https://databricks.com/blog/2015/03/20/using-mongodb-with-spark.html中的例子去運(yùn)行程序,just enjoy it :)

4她君、總結(jié)

Scala做為Spark的編寫語言脚作,目前來看,對(duì)Spark支持的最好的還是Scala缔刹,Python在數(shù)據(jù)類型的轉(zhuǎn)化上還是有著不少問題球涛,比如:Calendar類型的支持的Issue現(xiàn)在依然是Open的狀態(tài),參考HADOOP-193校镐,這只是眾多問題的一個(gè)亿扁,花大量的時(shí)間去填坑,而不能專注在數(shù)據(jù)處理的業(yè)務(wù)流上灭翔,也是不得不面對(duì)的問題魏烫。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末辣苏,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子哄褒,更是在濱河造成了極大的恐慌稀蟋,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,402評(píng)論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件呐赡,死亡現(xiàn)場(chǎng)離奇詭異退客,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)链嘀,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,377評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門萌狂,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人怀泊,你說我怎么就攤上這事茫藏。” “怎么了霹琼?”我有些...
    開封第一講書人閱讀 162,483評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵务傲,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我枣申,道長(zhǎng)售葡,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,165評(píng)論 1 292
  • 正文 為了忘掉前任忠藤,我火速辦了婚禮挟伙,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘模孩。我一直安慰自己尖阔,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,176評(píng)論 6 388
  • 文/花漫 我一把揭開白布瓜贾。 她就那樣靜靜地躺著诺祸,像睡著了一般携悯。 火紅的嫁衣襯著肌膚如雪祭芦。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,146評(píng)論 1 297
  • 那天憔鬼,我揣著相機(jī)與錄音龟劲,去河邊找鬼昌跌。 笑死蚕愤,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 40,032評(píng)論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼周瞎!你這毒婦竟也來了声诸?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,896評(píng)論 0 274
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎焚挠,沒想到半個(gè)月后蝌衔,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 45,311評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)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 37,536評(píng)論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)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统锤。...
    茶點(diǎn)故事閱讀 39,696評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡拧抖,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出淌哟,到底是詐尸還是另有隱情徒仓,我是刑警寧澤,帶...
    沈念sama閱讀 35,413評(píng)論 5 343
  • 正文 年R本政府宣布,位于F島的核電站乎芳,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏肴甸。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,008評(píng)論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧兔辅,春花似錦、人聲如沸介时。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽工三。三九已至,卻和暖如春先鱼,著一層夾襖步出監(jiān)牢的瞬間俭正,已是汗流浹背段审。 一陣腳步聲響...
    開封第一講書人閱讀 32,815評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留姥闪,地道東北人避归。 一個(gè)月前我還...
    沈念sama閱讀 47,698評(píng)論 2 368
  • 正文 我出身青樓账锹,卻偏偏與公主長(zhǎng)得像萌业,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子奸柬,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,592評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容