spark中write算子和format算子详解

在spark中，想要往数据库或者某sink路径里面写数据，存到外部存储系统，如文件系统、数据库或数据仓库，经常会用到write算子。

具体来说，write算子通常与DataFrame或Dataset API一起使用，用于将数据写入持久化存储。

以下是一些常见的write算子的用途和示例：

1. 写入文件系统（例如，HDFS、S3等）：

// 将DataFrame写入Parquet格式的文件
dataframe.write.parquet("/path/to/destination/folder")

2. 写入关系型数据库：

// 将DataFrame写入关系型数据库（例如，MySQL）
dataframe.write
  .format("jdbc")
  .option("url", "jdbc:mysql://hostname:port/database")
  .option("dbtable", "table_name")
  .option("user", "username")
  .option("password", "password")
  .save()

3. 写入列式数据库：

// 将DataFrame写入列式数据库（例如，Cassandra）
dataframe.write
  .format("org.apache.spark.sql.cassandra")
  .option("keyspace", "keyspace_name")
  .option("table", "table_name")
  .mode("append")
  .save()

4. 写入其他数据格式：

// 将DataFrame写入JSON格式的文件
dataframe.write.json("/path/to/destination/folder")

// 将DataFrame写入CSV格式的文件
dataframe.write.csv("/path/to/destination/folder")

这只是一小部分 write算子的示例。实际上，write算子支持多种格式和配置选项，以满足不同存储系统和需求的要求。具体的用法取决于你要写入的目标存储系统和数据格式。

---

那么wirte后面的format算子，这里面的参数一般有哪些常用的呢？

1. Parquet格式：

dataframe.write.format("parquet").save("/path/to/destination/folder")

2. JSON格式：

dataframe.write.format("json").save("/path/to/destination/folder")

3. CSV格式

dataframe.write.format("csv").save("/path/to/destination/folder")

4. 关系型数据库（JDBC）：

dataframe.write.format("jdbc")
  .option("url", "jdbc:mysql://hostname:port/database")
  .option("dbtable", "table_name")
  .option("user", "username")
  .option("password", "password")
  .save()

5. 列式数据库（Cassandra）：

dataframe.write.format("org.apache.spark.sql.cassandra")
  .option("keyspace", "keyspace_name")
  .option("table", "table_name")
  .mode("append")
  .save()

6. Elasticsearch：

dataframe.write.format("org.elasticsearch.spark.sql")
  .option("es.nodes", "elasticsearch_host")
  .option("es.port", "9200")
  .option("es.resource", "index_name/document_type")
  .mode("append")
  .save()

每个存储系统或数据格式都有自己的一组特定选项，用于配置连接信息、目标路径、写入模式等。这些选项可以通过option方法进行设置，具体的选项取决于所使用的format。查阅相关文档可以帮助了解特定存储系统或数据格式所支持的选项。