【Hadoop】在spark读取clickhouse中数据

• 读取clickhouse数据库数据

  import scala.collection.mutable.ArrayBuffer
  import java.util.Properties
  import org.apache.spark.sql.SaveMode
  import org.apache.spark.sql.SparkSession
  
  def getCKJdbcProperties(
                             batchSize: String = "100000",
                             socketTimeout: String = "300000",
                             numPartitions: String = "50",
                             rewriteBatchedStatements: String = "true"): Properties = {
      val properties = new Properties
      properties.put("driver", "ru.yandex.clickhouse.ClickHouseDriver")
      properties.put("user", "default")
      properties.put("password", "数据库密码")
      properties.put("batchsize", batchSize)
      properties.put("socket_timeout", socketTimeout)
      properties.put("numPartitions", numPartitions)
      properties.put("rewriteBatchedStatements", rewriteBatchedStatements)
      properties
    }
  // 读取click数据库数据
  val today = "2023-06-05"
  val ckProperties = getCKJdbcProperties()
  val ckUrl = "jdbc:clickhouse://233.233.233.233:8123/ss"
  val ckTable = "ss.test"
  var ckDF = spark.read.jdbc(ckUrl, ckTable, ckProperties)
  

• **show** 展示数据,类似于select * from test的功能

  1. [ckDF.show](http://ckDF.show) 默认展示前20个记录
  2. ckDF.show(3) 指定展示记录数
  3. ckDF.show(false) 是否展示前20个
  4. ckDF.show(3, 0) 截取记录数

• **ckDF.collect** 方法会将 ckDF中的所有数据都获取到，并返回一个Array对象

• ckDF.collectAsList 功能和collect类似，只不过将返回结构变成了List对象

• **ckDF.describe**("ip_src").show(3) ****获取指定字段的统计信息

  scala> ckDF.describe("ip_src").show(3)
  +-------+------+                                                                
  |summary|ip_src|
  +-------+------+
  |  count|855035|
  |   mean|  null|
  | stddev|  null|
  +-------+------+
  only showing top 3 rows
  

• first, head, take, takeAsList 获取若干行记录

  1. first获取第一行记录
  2. head获取第一行记录，head(n: Int)获取前n行记录
  3. take(n: Int)获取前n行数据
  4. takeAsList(n: Int)获取前n行数据，并以List的形式展现

  以Row或者Array[Row]的形式返回一行或多行数据。first和head功能相同。take和takeAsList方法会将获得到的数据返回到Driver端，所以，使用这两个方法时需要注意数据量，以免Driver发生OutOfMemoryError