Spark通过JdbcRdd连接Oracle数据库（scala）

一、代码

package com.sgcc.hj

import java.sql.DriverManager

import org.apache.spark.rdd.JdbcRDD
import org.apache.spark.{SparkConf, SparkContext}

/**
  * Created by user on 2016/6/17.
  */
object JdbcTest {
  def main(args: Array[String]) {
    val conf = new SparkConf()
    val sc = new SparkContext(conf)

    val rdd = new JdbcRDD(
      sc,
      () => {
        Class.forName("oracle.jdbc.driver.OracleDriver").newInstance()
        DriverManager.getConnection("jdbc:oracle:thin:@172.16.222.112:1521:pms", "scyw", "scyw")
      },
      "SELECT * FROM MW_APP.CMST_AIRPRESSURE WHERE 1 = ? AND rownum < ?",
      1, 10, 1,
      r => (r.getString(1),r.getString(2),r.getString(5)))
    rdd.collect().foreach(println)
    sc.stop()
  }
}

二、运行截图

　　命令：spark-submit --master yarn --jars /opt/test/data/oracle.jdbc_10.2.0.jar --name OracleRead --class com.sgcc.hj.JdbcTest--executor-memory 1G /opt/test/data/sparktest.jar（注意这里依赖了oracle的jar包要在加上）

 

三、答疑

1、官方文档地址：

　　https://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.rdd.JdbcRDD

2、JdbcRdd中的构造参数：

　　前面三个就不解释了，一眼就可以看懂，后面三个数字，前两个表示SQL中的参数，必须是LONG型，而且必须有，这个是Spark源码要求的，如果没有LONG型的条件，可以使用1=1这种参数（第三个参数要为1）；第三个参数表示分区查询，例如给定前两个参数为1和20，第三个参数为2，那么SQL就会执行两次，第一次参数为（1, 10），第二次为（11, 20）；最后一个参数是函数，这里表示把一条记录里的第1、2、5个字段组成三元组，当然也可以变成别的形式。