我正试图用以下代码从Spark SQL连接到Oracle数据库：
val dataTarget=sqlcontext.read.
format("jdbc").
option("driver", config.getString("oracledriver")).
option("url", config.getString("jdbcUrl")).
option("user", config.getString("usernameDH")).
option("password", config.getString("passwordDH")).
option("dbtable", targetQuery).
option("partitionColumn", "ID").
option("lowerBound", "5").
option("upperBound", "499999").
option("numPartitions", "10").
load().persist(StorageLevel.DISK_ONLY)
默认情况下，当我们通过Spark SQL与Oracle连接时，它将为一个分区创建一个连接，并为整个RDD创建一个分区。这样我就失去了并行性，当表中有大量数据时就会出现性能问题。在我的代码中，我已经通过了option("numPartitions", "10")这将创建10个连接。如果我错了，请纠正，因为我知道与Oracle的连接数将等于我们通过的分区数。
如果我使用更多的连接，我会得到以下错误，因为可能存在到Oracle的连接限制。
java.sql.sql异常：ORA-02391：超过同步SESSIONS_PER_USER限制
如果我使用更多的分区，为了创建更多的并行分区，会出现错误，但如果我放得更少，我将面临性能问题。有没有其他方法可以创建一个连接并将数据加载到多个分区中(这将挽救我的生命)。
请提出建议。
是否有其他方法可以创建单个连接并将数据加载到多个分区中
没有。通常，分区由不同的物理节点和不同的虚拟机处理。考虑到所有的授权和身份验证机制，您不能只获取连接并将其从一个节点传递到另一个节点。
如果问题只是超过SESSIONS_PER_USER，请联系DBA，要求增加Spark用户的值。
若问题是节流，您可以尝试保持相同数量的分区，但减少Spark内核的数量。由于这主要是微观管理，因此最好完全放弃JDBC，使用标准导出机制(COPY FROM)并直接读取文件。
一种解决方案可能是使用单个Oracle连接(分区)加载数据，然后简单地重新分区：
val dataTargetPartitioned = dataTarget.repartition(100);
您也可以通过字段进行分区(如果对数据帧进行分区)：
val dataTargetPartitioned = dataTarget.repartition(100, "MY_COL");