Spark RDD写入RMDB(Mysql)方法二

Spark 1.3.0中对数据库写操作是通过DataFrame类实现的，这个类也是新增的，是将之前的SchemaRDD重命名之后又定义了一些新方法的类。我们需要通过SQLContext来构造DataFrame对象，在SQLContext类中提供了大量可以构造DataFrame对象的方法，感兴趣的可以去看下。本文是通过SQLContext类中的createDataFrame方法来构造的。函数原型如下：

def createDataFrame(rowRDD: RDD[Row], schema: StructType): DataFrame

接收的RDD是Row类型的，他代表的是one row of output from a relational operator。第二个参数就是我们需要写入表的结构，包括了表的字段名和对应的类型，完整的代码如下：

import org.apache.spark.SparkContext
import org.apache.spark.sql.Row
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}

object SparkToJDBC {
def main(args: Array[String]): Unit = {

val url = "jdbc:mysql://localhost:3306/spark?user=iteblog&password=iteblog"

val sc = new SparkContext
val sqlContext = new org.apache.spark.sql.SQLContext(sc)
val schema = StructType(
StructField("name", StringType) ::
StructField("age", IntegerType)
:: Nil)

val data = sc.parallelize(List(("iteblog", 30), ("iteblog", 29),
("com", 40), ("bt", 33), ("www", 23))).
map(item => Row.apply(item._1, item._2))
import sqlContext.implicits._

val df = sqlContext.createDataFrame(data, schema)
df.createJDBCTable(url, "sparktomysql", false)

sc.stop
}
}

DataFrame类中提供了很多写数据库的操作，本例中的createJDBCTable就是可以创建表，它的函数原型如下：

def createJDBCTable(url: String, table: String, allowExisting: Boolean): Unit

table是表的名字，最后一个参数是如果表存在是否删除表的意思，false代表不删除。

　　DataFrame类中还有insertIntoJDBC方法，调用该函数必须保证表事先存在，它只用于插入数据，函数原型如下：

def insertIntoJDBC(url: String, table: String, overwrite: Boolean): Unit

前面两个参数和createJDBCTable一致，第三个参数如果设置为true，则在插入数据之前会调用mysql的TRUNCATE TABLE语句先清掉表中的数据。