Question

我已经使用MongoDB API创建了一个天蓝色的CosmosDB帐户。我需要将CosmosDB（MongoDB API）连接到Azure Databricks群集，以便从cosmos读取和写入数据。

如何将Azure Databricks群集连接到CosmosDB帐户？

Answer 1

这是pyspark代码段，我用于使用Azure Databricks（5.2 ML Beta（包括Apache Spark 2.4.0，Scala 2.11）和MongoDB连接器：org.mongodb.spark：mongo）中的MongoDB API连接到CosmosDB数据库。 -spark-connector_2.11：2.4.0 ）：

from pyspark.sql import SparkSession

my_spark = SparkSession \
    .builder \
    .appName("myApp") \
    .getOrCreate()

df = my_spark.read.format("com.mongodb.spark.sql.DefaultSource") \
  .option("uri", CONNECTION_STRING) \
  .load()

使用如下所示的CONNECTION_STRING： “ mongodb：// USERNAME：PASSWORD@testgp.documents.azure.com：10255 / DATABASE_NAME.COLLECTION_NAME ？ssl = true＆replicaSet = globaldb”

我尝试了很多其他选项（添加数据库和集合名称作为SparkSession的选项或配置），但没有成功。告诉我它是否适合您...

Answer 2

添加org.mongodb.spark:mongo-spark-connector_2.11:2.4.0程序包后，这对我有用：

import json

query = {
  '$limit': 100,
}

query_config = {
  'uri': 'myConnectionString'
  'database': 'myDatabase',
  'collection': 'myCollection',
  'pipeline': json.dumps(query),
}

df = spark.read.format("com.mongodb.spark.sql") \
  .options(**query_config) \
  .load()

但是，确实有一些集合出现此错误：

org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 1.0 failed 4 times, most recent failure: Lost task 0.3 in stage 1.0 (TID 4, 10.139.64.6, executor 0): com.mongodb.MongoInternalException: The reply message length 10168676 is less than the maximum message length 4194304

Answer 3

与我对自己的问题的回答相同。

使用 MAVEN 作为源，我使用路径将正确的库安装到了群集中

org.mongodb.spark：mongo-spark-connector_2.11：2.4.0

火花2.4

我使用的代码示例如下（对于那些想尝试的人）：

# Read Configuration
readConfig = {
    "URI": "<URI>",
    "Database": "<database>",
    "Collection": "<collection>",
  "ReadingBatchSize" : "<batchSize>"
  }


pipelineAccounts = "{'$sort' : {'account_contact': 1}}"

# Connect via azure-cosmosdb-spark to create Spark DataFrame 
accountsTest = (spark.read.
                 format("com.mongodb.spark.sql").
                 options(**readConfig).
                 option("pipeline", pipelineAccounts).
                 load())

accountsTest.select("account_id").show()

如何使用MongoDB API将Azure Databricks连接到Cosmos DB？

3 个答案: