在databricks中从csv格式到redis散列格式的数据传输

yhived7q  于 2021-05-26  发布在  Spark
关注(0)|答案(1)|浏览(364)

我的azure系统分为三个部分:
azure数据湖存储,我有一些csv文件。
azuredatabricks在这里我需要做一些处理-确切地说是将csv文件转换成redis散列格式。
azureredis缓存,我应该把转换后的数据放在那里。
在databricks文件系统中装载存储之后,需要处理一些数据。如何将databricks文件系统中的csv数据转换成redishash格式并正确地放入redis?具体来说,我不知道如何通过下面的代码来进行正确的Map。或者,可能有一些额外的传输到sql表的方法我找不到。
下面是我在scala上编写的代码示例:

import com.redislabs.provider.redis._

val redisServerDnsAddress = "HOST"
val redisPortNumber = 6379
val redisPassword = "Password"
val redisConfig = new RedisConfig(new RedisEndpoint(redisServerDnsAddress, redisPortNumber, redisPassword))

val data = spark.read.format("com.databricks.spark.csv").option("header", "true").option("inferSchema", "true").load("/mnt/staging/data/file.csv")

// What is the right way of mapping?
val ds = table("data").select("Prop1", "Prop2", "Prop3", "Prop4", "Prop5" ).distinct.na.drop().map{x =>
  (x.getString(0), x.getString(1), x.getString(2), x.getString(3), x.getString(4))
}

sc.toRedisHASH(ds, "data")

错误:

error: type mismatch;
 found   : org.apache.spark.sql.Dataset[(String, String)]
 required: org.apache.spark.rdd.RDD[(String, String)]
sc.toRedisHASH(ds, "data")

如果我这样写最后一串代码:

sc.toRedisHASH(ds.rdd, "data")

错误:

org.apache.spark.sql.AnalysisException: Table or view not found: data;
2skhul33

2skhul331#

准备一些示例数据来模拟从csv文件加载的数据。

val rdd = spark.sparkContext.parallelize(Seq(Row("1", "2", "3", "4", "5", "6", "7")))
    val structType = StructType(
      Seq(
        StructField("Prop1", StringType),
        StructField("Prop2", StringType),
        StructField("Prop3", StringType),
        StructField("Prop4", StringType),
        StructField("Prop5", StringType),
        StructField("Prop6", StringType),
        StructField("Prop7", StringType)
      )
    )
    val data = spark.createDataFrame(rdd, structType)

转型:

val transformedData = data.select("Prop1", "Prop2", "Prop3", "Prop4", "Prop5").distinct.na.drop()

将Dataframe写入redis,使用 Prop1 作为一把钥匙 data 作为redis表名。见文件

transformedData
      .write
      .format("org.apache.spark.sql.redis")
      .option("key.column", "Prop1")
      .option("table", "data")
      .mode(SaveMode.Overwrite)
      .save()

检查redis中的数据:

127.0.0.1:6379> keys data:*
1) "data:1"

127.0.0.1:6379> hgetall data:1
1) "Prop5"
2) "5"
3) "Prop2"
4) "2"
5) "Prop4"
6) "4"
7) "Prop3"
8) "3"

相关问题