Spark SQL 读取 CSV 文件，并将数据写入 MySQL 数据库

在 Spark 中，可以使用 Spark SQL 读取 CSV 文件，并将数据写入 MySQL 数据库。以下是一个完整的示例，展示如何实现这一过程。

环境准备

1. 安装 MySQL：确保 MySQL 数据库已安装并运行。
2. 创建 MySQL 数据库和表：

   CREATE DATABASE sparkdb;
   USE sparkdb;
   
   CREATE TABLE users (
       id INT AUTO_INCREMENT PRIMARY KEY,
       name VARCHAR(50),
       age INT,
       country VARCHAR(50)
   );
   

3. 下载 MySQL JDBC 驱动：
   • 从 MySQL 官方网站 下载 MySQL JDBC 驱动（mysql-connector-java-x.x.xx.jar）。
   • 将下载的 JAR 文件放置在 Spark 的 jars 目录下（例如 spark-3.3.0/jars/）。

示例代码

以下是一个完整的 Scala 示例代码，展示如何读取 CSV 文件并将其写入 MySQL 数据库：

import org.apache.spark.sql.{SparkSession, DataFrame}

object CsvToMySQL {
  def main(args: Array[String]): Unit = {
    // 初始化 SparkSession
    val spark = SparkSession.builder
      .appName("CsvToMySQL")
      .master("local[*]")
      .getOrCreate()

    // 读取 CSV 文件
    val csvFilePath = "path/to/users.csv" // 替换为你的 CSV 文件路径
    val df: DataFrame = spark.read
      .option("header", "true") // 第一行是表头
      .option("inferSchema", "true") // 自动推断数据类型
      .csv(csvFilePath)

    // 查看读取的数据
    df.show()

    // 配置 MySQL 数据库连接信息
    val jdbcUrl = "jdbc:mysql://localhost:3306/sparkdb"
    val jdbcUser = "root" // 替换为你的 MySQL 用户名
    val jdbcPassword = "password" // 替换为你的 MySQL 密码
    val jdbcTable = "users"

    // 将数据写入 MySQL 数据库
    df.write
      .format("jdbc")
      .option("url", jdbcUrl)
      .option("dbtable", jdbcTable)
      .option("user", jdbcUser)
      .option("password", jdbcPassword)
      .mode("append") // 如果表已存在，追加数据
      .save()

    // 停止 SparkSession
    spark.stop()
  }
}

示例 CSV 文件

假设你的 CSV 文件 users.csv 内容如下：

name,age,country
Alice,25,China
Bob,30,USA
Charlie,35,Japan
David,40,Germany

运行步骤

1. 保存代码：将上述代码保存为 CsvToMySQL.scala 文件。
2. 编译和运行：
   • 使用 SBT 或 Maven 构建项目。
   • 在 IntelliJ IDEA 中运行程序。
3. 验证结果：
   • 登录到 MySQL 数据库，检查 sparkdb 数据库中的 users 表，确保数据已正确插入。

注意事项

1. CSV 文件路径：确保 csvFilePath 指向正确的 CSV 文件路径。
2. MySQL 用户名和密码：替换为你的实际 MySQL 用户名和密码。
3. JDBC 驱动：确保 MySQL JDBC 驱动已正确放置在 Spark 的 jars 目录下。
4. 数据模式：在写入数据库时，mode("append") 表示追加数据。如果需要覆盖表，可以使用 mode("overwrite")。
5. 性能优化：对于大规模数据写入，可以考虑使用批量插入（batchsize）等优化选项。

通过以上步骤，你可以使用 Spark SQL 读取 CSV 文件，并将数据写入 MySQL 数据库。