Strukturált streamelési minták az Azure Databricksben
Ez jegyzetfüzeteket és kódmintákat tartalmaz a strukturált streamelés Azure Databricksen való használatához szükséges gyakori mintákhoz.
A strukturált streamelés használatának első lépései
Ha teljesen új a strukturált streamelésben, olvassa el az első strukturált streamelési számítási feladat futtatása című témakört.
Írás a Cassandra-ba fogadóként a Python strukturált streameléséhez
Az Apache Cassandra egy elosztott, alacsony késésű, méretezhető, magas rendelkezésre állású OLTP-adatbázis.
A strukturált streamelés a Cassandra-val a Spark Cassandra-összekötőn keresztül működik. Ez az összekötő rdd és DataFrame API-kat is támogat, és natív támogatást nyújt a streamelési adatok írásához. Fontos: A spark-cassandra-connector-assembly megfelelő verzióját kell használnia.
Az alábbi példa egy Cassandra-adatbázisfürt egy vagy több gazdagépéhez csatlakozik. Emellett megadja a kapcsolatkonfigurációkat, például az ellenőrzőpont helyét, valamint az adott kulcsteret és táblaneveket:
spark.conf.set("spark.cassandra.connection.host", "host1,host2")
df.writeStream \
.format("org.apache.spark.sql.cassandra") \
.outputMode("append") \
.option("checkpointLocation", "/path/to/checkpoint") \
.option("keyspace", "keyspace_name") \
.option("table", "table_name") \
.start()
Írás az Azure Synapse Analyticsbe a Python használatával foreachBatch()
streamingDF.writeStream.foreachBatch() Lehetővé teszi a meglévő kötegelt adatírók újrafelhasználását egy streamelési lekérdezés kimenetének az Azure Synapse Analyticsbe való írásához. A részletekért tekintse meg a foreachBatch dokumentációját .
A példa futtatásához szüksége van az Azure Synapse Analytics-összekötőre. Az Azure Synapse Analytics-összekötővel kapcsolatos részletekért tekintse meg az Azure Synapse Analytics lekérdezési adatait.
from pyspark.sql.functions import *
from pyspark.sql import *
def writeToSQLWarehouse(df, epochId):
df.write \
.format("com.databricks.spark.sqldw") \
.mode('overwrite') \
.option("url", "jdbc:sqlserver://<the-rest-of-the-connection-string>") \
.option("forward_spark_azure_storage_credentials", "true") \
.option("dbtable", "my_table_in_dw_copy") \
.option("tempdir", "wasbs://<your-container-name>@<your-storage-account-name>.blob.core.windows.net/<your-directory-name>") \
.save()
spark.conf.set("spark.sql.shuffle.partitions", "1")
query = (
spark.readStream.format("rate").load()
.selectExpr("value % 10 as key")
.groupBy("key")
.count()
.toDF("key", "count")
.writeStream
.foreachBatch(writeToSQLWarehouse)
.outputMode("update")
.start()
)
Streamek csatlakoztatása
Ez a két jegyzetfüzet bemutatja, hogyan használhat stream-stream illesztéseket a Pythonban és a Scalában.