這篇“怎么讓spark sql寫mysql時支持update操作”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“怎么讓spark sql寫mysql時支持update操作”文章吧。
除了支持：Append、Overwrite、ErrorIfExists、Ignore；還要在支持update操作
spark提供了一個枚舉類，用來支撐對接數據源的操作模式
通過源碼查看，很明顯，spark是不支持update操作的
關鍵的知識點就是：
我們正常在sparkSQL寫數據到mysql的時候：
大概的api是：
dataframe.write
.format("sql.execution.customDatasource.jdbc")
.option("jdbc.driver", "com.mysql.jdbc.Driver")
.option("jdbc.url", "jdbc:mysql://localhost:3306/test?user=root&password=&useUnicode=true&characterEncoding=gbk&autoReconnect=true&failOverReadOnly=false")
.option("jdbc.db", "test")
.save()那么在底層中，spark會通過JDBC方言JdbcDialect ， 將我們要插入的數據翻譯成：
insert into student (columns_1 , columns_2 , ...) values (? , ? , ....)
那么通過方言解析出的sql語句就通過PrepareStatement的executeBatch()，將sql語句提交給mysql，然后數據插入；
那么上面的sql語句很明顯，完全就是插入代碼，并沒有我們期望的 update操作，類似：
UPDATE table_name SET field1=new-value1, field2=new-value2
但是mysql獨家支持這樣的sql語句：
INSERT INTO student (columns_1,columns_2）VALUES ('第一個字段值','第二個字段值') ON DUPLICATE KEY UPDATE columns_1 = '呵呵噠',columns_2 = '哈哈噠';大概的意思就是，如果數據不存在則插入，如果數據存在，則 執行update操作；
因此，我們的切入點就是，讓sparkSQL內部對接JdbcDialect的時候，能夠生成這種sql：
INSERT INTO 表名稱 (columns_1,columns_2）VALUES ('第一個字段值','第二個字段值') ON DUPLICATE KEY UPDATE columns_1 = '呵呵噠',columns_2 = '哈哈噠';首先是：
dataframe.write
調用write方法就是為了返回一個類：DataFrameWriter
主要是因為DataFrameWriter是sparksql對接外部數據源寫入的入口攜帶類，下面這些內容是給DataFrameWriter注冊的攜帶信息
然后在出發save()操作后，就開始將數據寫入；
接下來看save()源碼：
在上面的源碼里面主要是注冊DataSource實例，然后使用DataSource的write方法進行數據寫入
實例化DataSource的時候：
def save(): Unit = {
assertNotBucketed("save")
val dataSource = DataSource(
df.sparkSession,
className = source,//自定義數據源的包路徑
partitionColumns = partitioningColumns.getOrElse(Nil),//分區字段
bucketSpec = getBucketSpec,//分桶(用于hive)
options = extraOptions.toMap)//傳入的注冊信息
//mode：插入數據方式SaveMode ， df：要插入的數據
dataSource.write(mode, df)
}然后就是dataSource.write(mode, df)的細節，整段的邏輯就是：
根據providingClass.newInstance()去做模式匹配，然后匹配到哪里，就執行哪里的代碼；
然后看下providingClass是什么：
拿到包路徑.DefaultSource之后，程序進入：
那么如果是數據庫作為寫入目標的話，就會走：dataSource.createRelation，直接跟進源碼：
很明顯是個特質，因此哪里實現了特質，程序就會走到哪里了；
實現這個特質的地方就是：包路徑.DefaultSource ， 然后就在這里面去實現數據的插入和update的支持操作；
根據代碼的流程，最終sparkSQL 將數據寫入mysql的操作，會進入：包路徑.DefaultSource這個類里面；
也就是說，在這個類里面既要支持spark的正常插入操作(SaveMode)，還要在支持update；
如果讓sparksql支持update操作，最關鍵的就是做一個判斷，比如：
if(isUpdate){
sql語句：INSERT INTO student (columns_1,columns_2）VALUES ('第一個字段值','第二個字段值') ON DUPLICATE KEY UPDATE columns_1 = '呵呵噠',columns_2 = '哈哈噠';
}else{
insert into student (columns_1 , columns_2 , ...) values (? , ? , ....)
}但是，在spark生產sql語句的源碼中，是這樣寫的：
沒有任何的判斷邏輯，就是最后生成一個:
INSERT INTO TABLE (字段1 ， 字段2....) VALUES (? , ? ...)
所以首要的任務就是 ，怎么能讓當前代碼支持：ON DUPLICATE KEY UPDATE
可以做個大膽的設計，就是在insertStatement這個方法中做個如下的判斷
def insertStatement(conn: Connection, savemode:CustomSaveMode , table: String, rddSchema: StructType, dialect: JdbcDialect)
: PreparedStatement = {
val columns = rddSchema.fields.map(x => dialect.quoteIdentifier(x.name)).mkString(",")
val placeholders = rddSchema.fields.map(_ => "?").mkString(",")
if(savemode == CustomSaveMode.update){
//TODO 如果是update，就組裝成ON DUPLICATE KEY UPDATE的模式處理
s"INSERT INTO $table ($columns) VALUES ($placeholders) ON DUPLICATE KEY UPDATE $duplicateSetting"
}esle{
val sql = s"INSERT INTO $table ($columns) VALUES ($placeholders)"
conn.prepareStatement(sql)
}
}這樣，在用戶傳遞進來的savemode模式，我們進行校驗，如果是update操作，就返回對應的sql語句！
所以按照上面的邏輯，我們代碼這樣寫：
這樣我們就拿到了對應的sql語句；
但是只有這個sql語句還是不行的，因為在spark中會執行jdbc的prepareStatement操作，這里面會涉及到游標。
即jdbc在遍歷這個sql的時候，源碼會這樣做：
看下makeSetter：
所謂有坑就是：
insert into table (字段1 , 字段2, 字段3) values (? , ? , ?)
那么當前在源碼中返回的數組長度應該是3：
val setters: Array[JDBCValueSetter] = rddSchema.fields.map(_.dataType) .map(makeSetter(conn, dialect, _)).toArray
但是如果我們此時支持了update操作，既：
insert into table (字段1 , 字段2, 字段3) values (? , ? , ?) ON DUPLICATE KEY UPDATE 字段1 = ?,字段2 = ?,字段3=?;
那么很明顯，上面的sql語句提供了6個？ ， 但在規定字段長度的時候只有3
這樣的話，后面的update操作就無法執行，程序報錯！
所以我們需要有一個 識別機制，既：
if(isupdate){
val numFields = rddSchema.fields.length * 2
}else{
val numFields = rddSchema.fields.length
}
row[1,2,3] setter(0,1) //index of setter , index of row setter(1,2) setter(2,3) setter(3,1) setter(4,2) setter(5,3)
所以在prepareStatment中的占位符應該是row的兩倍，而且應該是類似這樣的一個邏輯
因此，代碼改造前樣子：
改造后的樣子：
try {
if (supportsTransactions) {
conn.setAutoCommit(false) // Everything in the same db transaction.
conn.setTransactionIsolation(finalIsolationLevel)
}
// val stmt = insertStatement(conn, table, rddSchema, dialect)
//此處采用最新自己的sql語句，封裝成prepareStatement
val stmt = conn.prepareStatement(sqlStmt)
println(sqlStmt)
/**
* 在mysql中有這樣的操作：
* INSERT INTO user_admin_t (_id,password) VALUES ('1','第一次插入的密碼')
* INSERT INTO user_admin_t (_id,password）VALUES ('1','第一次插入的密碼') ON DUPLICATE KEY UPDATE _id = 'UpId',password = 'upPassword';
* 如果是下面的ON DUPLICATE KEY操作，那么在prepareStatement中的游標會擴增一倍
* 并且如果沒有update操作，那么他的游標是從0開始計數的
* 如果是update操作，要算上之前的insert操作
* */
//makeSetter也要適配update操作，即游標問題
val isUpdate = saveMode == CustomSaveMode.Update
val setters: Array[JDBCValueSetter] = isUpdate match {
case true =>
val setters: Array[JDBCValueSetter] = rddSchema.fields.map(_.dataType)
.map(makeSetter(conn, dialect, _)).toArray
Array.fill(2)(setters).flatten
case _ =>
rddSchema.fields.map(_.dataType)
val numFieldsLength = rddSchema.fields.length
val numFields = isUpdate match{
case true => numFieldsLength *2
case _ => numFieldsLength
val cursorBegin = numFields / 2
try {
var rowCount = 0
while (iterator.hasNext) {
val row = iterator.next()
var i = 0
while (i < numFields) {
if(isUpdate){
//需要判斷當前游標是否走到了ON DUPLICATE KEY UPDATE
i < cursorBegin match{
//說明還沒走到update階段
case true =>
//row.isNullAt 判空,則設置空值
if (row.isNullAt(i)) {
stmt.setNull(i + 1, nullTypes(i))
} else {
setters(i).apply(stmt, row, i, 0)
}
//說明走到了update階段
case false =>
if (row.isNullAt(i - cursorBegin)) {
//pos - offset
stmt.setNull(i + 1, nullTypes(i - cursorBegin))
setters(i).apply(stmt, row, i, cursorBegin)
}
}else{
if (row.isNullAt(i)) {
stmt.setNull(i + 1, nullTypes(i))
} else {
setters(i).apply(stmt, row, i ,0)
}
//滾動游標
i = i + 1
}
stmt.addBatch()
rowCount += 1
if (rowCount % batchSize == 0) {
stmt.executeBatch()
rowCount = 0
}
if (rowCount > 0) {
stmt.executeBatch()
} finally {
stmt.close()
conn.commit()
committed = true
Iterator.empty
} catch {
case e: SQLException =>
val cause = e.getNextException
if (cause != null && e.getCause != cause) {
if (e.getCause == null) {
e.initCause(cause)
} else {
e.addSuppressed(cause)
throw e
} finally {
if (!committed) {
// The stage must fail. We got here through an exception path, so
// let the exception through unless rollback() or close() want to
// tell the user about another problem.
if (supportsTransactions) {
conn.rollback()
conn.close()
} else {
// The stage must succeed. We cannot propagate any exception close() might throw.
try {
conn.close()
} catch {
case e: Exception => logWarning("Transaction succeeded, but closing failed", e)// A `JDBCValueSetter` is responsible for setting a value from `Row` into a field for
// `PreparedStatement`. The last argument `Int` means the index for the value to be set
// in the SQL statement and also used for the value in `Row`.
//PreparedStatement, Row, position , cursor
private type JDBCValueSetter = (PreparedStatement, Row, Int , Int) => Unit
private def makeSetter(
conn: Connection,
dialect: JdbcDialect,
dataType: DataType): JDBCValueSetter = dataType match {
case IntegerType =>
(stmt: PreparedStatement, row: Row, pos: Int,cursor:Int) =>
stmt.setInt(pos + 1, row.getInt(pos - cursor))
case LongType =>
stmt.setLong(pos + 1, row.getLong(pos - cursor))
case DoubleType =>
stmt.setDouble(pos + 1, row.getDouble(pos - cursor))
case FloatType =>
stmt.setFloat(pos + 1, row.getFloat(pos - cursor))
case ShortType =>
stmt.setInt(pos + 1, row.getShort(pos - cursor))
case ByteType =>
stmt.setInt(pos + 1, row.getByte(pos - cursor))
case BooleanType =>
stmt.setBoolean(pos + 1, row.getBoolean(pos - cursor))
case StringType =>
// println(row.getString(pos))
stmt.setString(pos + 1, row.getString(pos - cursor))
case BinaryType =>
stmt.setBytes(pos + 1, row.getAs[Array[Byte]](pos - cursor))
case TimestampType =>
stmt.setTimestamp(pos + 1, row.getAs[java.sql.Timestamp](pos - cursor))
case DateType =>
stmt.setDate(pos + 1, row.getAs[java.sql.Date](pos - cursor))
case t: DecimalType =>
stmt.setBigDecimal(pos + 1, row.getDecimal(pos - cursor))
case ArrayType(et, _) =>
// remove type length parameters from end of type name
val typeName = getJdbcType(et, dialect).databaseTypeDefinition
.toLowerCase.split("\\(")(0)
val array = conn.createArrayOf(
typeName,
row.getSeq[AnyRef](pos - cursor).toArray)
stmt.setArray(pos + 1, array)
case _ =>
(_: PreparedStatement, _: Row, pos: Int,cursor:Int) =>
throw new IllegalArgumentException(
s"Can't translate non-null value for field $pos")
}以上就是關于“怎么讓spark sql寫mysql時支持update操作”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
