SparkJDBC读写数据库实战

默认的操作

1. 代码

   val df = spark.read
     .format("jdbc")
     .option("url", "jdbc:postgresql://localhost:5432/testdb")
     .option("user", "username")
     .option("password", "password")
     .option("driver", "org.postgresql.Driver")
     .option("dbtable", "test_table")
     .load()
   

2. 讲解
   上面这种默认情况使用jdbc driver读数据库（如pg库），仅仅会使用一个task读数据，也就是只有一个分区。要证明这一点可以通过两种方式：

• 查看web ui
  
  你会看到只有一个task。
• 通过getNumPartitions方法

  int numPartitions = ds.rdd().getNumPartitions();
  

  你会看到numPartitions=1。

对数值、日期、时间戳字段分区

spark当然不可能只能用一个task读数据库，这样如果数据库数据量大了，效率将会非常低，官方提供了一些参数，可以控制并发读取数据库任务的数量。
想了解所有的参数，