Apache Spark 運算子¶

前提條件¶

要使用 SparkSubmitOperator，您必須配置 Spark 連線。
要使用 SparkJDBCOperator，您必須同時配置 Spark 連線和 JDBC 連線。
SparkSqlOperator 的所有配置均來自運算子引數。

SparkJDBCOperator¶

在 Apache Spark 伺服器上啟動應用程式，它使用 SparkSubmitOperator 在基於 JDBC 的資料庫之間進行資料傳輸。

有關引數定義，請參閱 SparkJDBCOperator。

使用運算子¶

使用 cmd_type 引數，可以在 Spark 與資料庫之間傳輸資料（spark_to_jdbc），或在資料庫與 Spark 之間傳輸資料（jdbc_to_spark），後者將使用 Spark 命令 saveAsTable 寫入表。

tests/system/apache/spark/example_spark_dag.py

jdbc_to_spark_job = SparkJDBCOperator(
    cmd_type="jdbc_to_spark",
    jdbc_table="foo",
    spark_jars="${SPARK_HOME}/jars/postgresql-42.2.12.jar",
    jdbc_driver="org.postgresql.Driver",
    metastore_table="bar",
    save_mode="overwrite",
    save_format="JSON",
    task_id="jdbc_to_spark_job",
)

spark_to_jdbc_job = SparkJDBCOperator(
    cmd_type="spark_to_jdbc",
    jdbc_table="foo",
    spark_jars="${SPARK_HOME}/jars/postgresql-42.2.12.jar",
    jdbc_driver="org.postgresql.Driver",
    metastore_table="bar",
    save_mode="append",
    task_id="spark_to_jdbc_job",
)

參考¶

有關更多資訊，請參閱 Apache Spark DataFrameWriter 文件。

SparkSqlOperator¶

在 Apache Spark 伺服器上啟動應用程式，這要求 spark-sql 指令碼位於 PATH 中。該運算子將在 Spark Hive 元儲存服務上執行 SQL 查詢，sql 引數可以模板化，可以是 .sql 或 .hql 檔案。

有關引數定義，請參閱 SparkSqlOperator。

使用運算子¶

tests/system/apache/spark/example_spark_dag.py

spark_sql_job = SparkSqlOperator(
    sql="SELECT COUNT(1) as cnt FROM temp_table", master="local", task_id="spark_sql_job"
)

參考¶

有關更多資訊，請參閱執行 Spark SQL CLI。

SparkSubmitOperator¶

在 Apache Spark 伺服器上啟動應用程式，它使用 spark-submit 指令碼來設定 Spark 及其依賴項的類路徑，並支援 Spark 支援的不同叢集管理器和部署模式。

有關引數定義，請參閱 SparkSubmitOperator。

使用運算子¶

tests/system/apache/spark/example_spark_dag.py

submit_job = SparkSubmitOperator(
    application="${SPARK_HOME}/examples/src/main/python/pi.py", task_id="submit_job"
)

參考¶

有關更多資訊，請參閱 Apache Spark 提交應用程式。