Question

我目前使用的项目包含一些POJO文件，Spark通过以下方式使用它们：

    JavaRDD<MyPojo> = ...
    sqlContext.createDataFrame(rdd, MyPojo.class);

但是，我还需要使用常规Java代码将MySQL表加载到此POJO中。我可以使用本机SQL使用POJO加载和包装数据。但是我也想知道是否可以将该POJO标记为休眠实体。

谢谢。

Answer 1

无论您使用RDD还是POJO的数据集/数据框，Hibernate / JPA注释都不应干扰。

但是，在“玩” Spark时要小心代码在何处运行。

如果您希望执行者通过Hibernate与数据库对话，则他们将不得不打开Hibernate会话。我不知道（或认为）Hibernate会话可以序列化并在驱动程序和执行程序之间共享。

如果您的驱动程序中有Hibernate会话，并且此时要保存数据，请记住，您必须将所有数据从执行程序传输到驱动程序（通过类似collect()的方法例如）。

这可能会改变您的应用程序的体系结构，但我会考虑调用write()：

df.write()
    .mode(SaveMode.Overwrite)
    .jdbc(dbConnectionUrl, "ch02", prop);

这不是通过数据帧完成的，该数据帧是Dataset<Row>，而不是Dataset<MyPojo>（而不是RDD）。完整的示例是：

package net.jgp.books.spark.ch02.lab100_csv_to_db;

import static org.apache.spark.sql.functions.concat;
import static org.apache.spark.sql.functions.lit;

import java.util.Properties;

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SaveMode;
import org.apache.spark.sql.SparkSession;

/**
 * CSV to a relational database.
 * 
 * @author jgp
 */
public class CsvToRelationalDatabaseApp {

  /**
   * main() is your entry point to the application.
   * 
   * @param args
   */
  public static void main(String[] args) {
    CsvToRelationalDatabaseApp app = new CsvToRelationalDatabaseApp();
    app.start();
  }

  /**
   * The processing code.
   */
  private void start() {
    // Creates a session on a local master
    SparkSession spark = SparkSession.builder()
        .appName("CSV to DB")
        .master("local")
        .getOrCreate();

    // Step 1: Ingestion
    // ---------

    // Reads a CSV file with header, called authors.csv, stores it in a
    // dataframe
    Dataset<Row> df = spark.read()
        .format("csv")
        .option("header", "true")
        .load("data/authors.csv");

    // Step 2: Transform
    // ---------

    // Creates a new column called "name" as the concatenation of lname, a
    // virtual column containing ", " and the fname column
    df = df.withColumn(
        "name",
        concat(df.col("lname"), lit(", "), df.col("fname")));

    // Step 3: Save
    // ----

    // The connection URL, assuming your PostgreSQL instance runs locally on the
    // default port, and the database we use is "spark_labs"
    String dbConnectionUrl = "jdbc:postgresql://localhost/spark_labs";

    // Properties to connect to the database, the JDBC driver is part of our
    // pom.xml
    Properties prop = new Properties();
    prop.setProperty("driver", "org.postgresql.Driver");
    prop.setProperty("user", "jgp");
    prop.setProperty("password", "Spark<3Java");

    // Write in a table called ch02
    df.write()
        .mode(SaveMode.Overwrite)
        .jdbc(dbConnectionUrl, "ch02", prop);

    System.out.println("Process complete");
  }
}

当Apache Spark使用POJO时，可以将POJO标记为Hibernate实体吗？

1 个答案: