本文介绍的MemSQL 数据库号称是世界上快的分布式内存数据库(The World’s Fastest In-Memory Database)!它是由Eric Frenkiel(前Facebook员工)和Nikita Shamgunov(前微软SQL Server高级工程师)创建的一款基于内存的分布式关系数据库,它通过将数据存储在内存中,并将SQL语句预编译为C++而获得极速的执行效率。它兼容MySQL,且速度要比MySQL快30倍,能实现每秒150万次事务。
近在其官方发布的一个MemSQL Spark Connector可以很好地和Spark一起使用,使得Spark用户可以快速地读写数据库中的数据。MemSQL 天生就适合Spark,因为它可以高效地处理大量的读写,而Spark经常需要这样的操作,而且MemSQL可以提供大量的空间足以提供给Spark创建新的数据。
MemSQL Spark Connector提供了所有Spark和MemSQL交互的各种接口,而且其中做了许多的优化措施,比如并行地从MemSQL读取数据;当 MemSQL和Spark运行在一个物理节点上,Spark直接将数据写入其中。MemSQL提供了两个主要的组建:MemSQLRDD和saveToMemsql。
MemSQLRDD用于存储从MemSQL查询的数据集;而saveToMemsql将Spark中的RDD数据写入到MemSQL表中。这两个接口和Spark内置的JDBC接口看起来很类似,而且使用方式也很类似(可以看这里《Spark与Mysql(JdbcRDD)整合开发》)。来看看如何使用MemSQLRDD。我们使用从MemSQL读取表数据,并存储在MemSQLRDD中:
01import com.memsql.spark.connector.rdd.MemSQLRDD
02
03...
04
05val rdd = new MemSQLRDD(
06 sc,
07 dbHost,
08 dbPort,
09 dbUser,
10 dbPassword,
11 dbName,
12 "SELECT * FROM iteblog",
13 (r: ResultSet) => { r.getString("test_column") })
14rdd.first() // Contains the value of "test_column" for the first row
如果你想将RDD写入到Memsql,可以使用saveToMemsql函数:
1import com.memsql.spark.connector._
2
3...
4
5val rdd = sc.parallelize(Array(Array("www", "iteblog"), Array("com", "qux")))
6rdd.saveToMemsql(dbHost, dbPort, dbUser, dbPassword,
7 dbName, outputTableName, insertBatchSize=1000)
从上面的例子可以看出,使用Memsql和Spark结合是多么的容易。
本文翻译自: blog.memsql.com/memsql-spark-connector
转载自过往记忆(www.iteblog.com)
本文链接地址: 《使用Spark和MemSQL Spark连接器运行实时应用》(http://www.iteblog.com/archives/1327)
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责,本站只提供参考并不构成任何投资及应用建议。本站是一个个人学习交流的平台,网站上部分文章为转载,并不用于任何商业目的,我们已经尽可能的对作者和来源进行了通告,但是能力有限或疏忽,造成漏登,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。