我在Stackoverflow上发现了类似的帖子。但是,我无法解决我的问题所以,这就是我写这篇文章的原因。
目标
目的是在加载SQL表(我使用SQL Server)时执行列投影[projection = filter columns]。
根据scala食谱,这是过滤colums [使用数组]的方法:
sqlContext.read.jdbc(url,"person",Array("gender='M'"),prop)
但是,我不想在我的Scala代码中硬编码数组(" col1"," col2",...)这就是为什么我使用带有类型安全的配置文件(见下文)。
配置文件
dataset {
type = sql
sql{
url = "jdbc://host:port:user:name:password"
tablename = "ClientShampooBusinesLimited"
driver = "driver"
other = "i have a lot of other single string elements in the config file..."
columnList = [
{
colname = "id"
colAlias = "identifient"
}
{
colname = "name"
colAlias = "nom client"
}
{
colname = "age"
colAlias = "âge client"
}
]
}
}
让我们专注于列列表&#39 ;: SQL列的名称可以对应于' colname'。 ' colAlias'是一个我将在以后使用的字段。
data.scala文件
lazy val columnList = configFromFile.getList("dataset.sql.columnList")
lazy val dbUrl = configFromFile.getList("dataset.sql.url")
lazy val DbTableName= configFromFile.getList("dataset.sql.tablename")
lazy val DriverName= configFromFile.getList("dataset.sql.driver")
configFromFile由我自己在另一个自定义类中创建。但这没关系。 columnList的类型是" ConfigList"这种类型来自类型安全。
主文件
def loadDataSQL(): DataFrame = {
val url = datasetConfig.dbUrl
val dbTablename = datasetConfig.DbTableName
val dbDriver = datasetConfig.DriverName
val columns = // I need help to solve this
/* EDIT 2 march 2017
This code should not be used. Have a look at the accepted answer.
*/
sparkSession.read.format("jdbc").options(
Map("url" -> url,
"dbtable" -> dbTablename,
"predicates" -> columns,
"driver" -> dbDriver))
.load()
}
所以我所有的问题都是提取' colnames'值,以便将它们放在合适的数组中。有人可以帮助我写出正确的operhand of&#cu; val' ?
由于
答案 0 :(得分:1)
如果您正在寻找一种方法来将colname
值列表读入Scala数组 - 我认为这样做:
import scala.collection.JavaConverters._
val columnList = configFromFile.getConfigList("dataset.sql.columnList")
val colNames: Array[String] = columnList.asScala.map(_.getString("colname")).toArray
使用提供的文件,这将导致Array(id, name, age)
修改强>:
至于你的实际目标,我实际上不知道任何名为predication
的选项(我也无法使用Spark 2.0.2在源代码中找到证据)。
JDBC Data Source根据在所使用的查询中选择的实际列执行“投影下推”。换句话说 - 只会从数据库中读取选定的列,因此您可以在创建DF后立即在colNames
中使用select
数组,例如:
import org.apache.spark.sql.functions._
sparkSession.read
.format("jdbc")
.options(Map("url" -> url, "dbtable" -> dbTablename, "driver" -> dbDriver))
.load()
.select(colNames.map(col): _*) // selecting only desired columns