如何使用Spark SQL获取多个表

Question

我正在使用pyspark从mysql获取数据，该数据仅适用于一个表。我想从 mysql 数据库中获取所有表。不想一次又一次地调用 jdbc 连接。请参阅下面的代码

是否可以简化我的代码？提前谢谢你

url = "jdbc:mysql://localhost:3306/dbname"
table_df=sqlContext.read.format("jdbc").option("url",url).option("dbtable","table_name").option("user","root").option("password", "root").load()
sqlContext.registerDataFrameAsTable(table_df, "table1")
table_df_1=sqlContext.read.format("jdbc").option("url",url).option("dbtable","table_name_1").option("user","root").option("password", "root").load()
sqlContext.registerDataFrameAsTable(table_df_1, "table2")

Answer 1

您需要

以某种方式获取MySQL中的表列表。要么找到一些sql命令来执行此操作，要么手动创建一个包含所有内容的文件。

然后，假设你可以在python tablename_list中创建一个表名列表，你可以像这样简单地循环它：

url = "jdbc:mysql://localhost:3306/dbname"
reader = (
    sqlContext.read.format("jdbc")
    .option("url", url)
    .option("user", "root")
    .option("password", "root")
)
for tablename in tablename_list:
    reader.option("dbtable", tablename).load().createTempView(tablename)

这将创建一个具有相同表名的临时视图。如果你想要另一个名字，你可以用元组列表(tablename_in_mysql, tablename_in_spark)来更改初始tablename_list。

Answer 2

@Steven已经给出了一个完美的答案。正如他所说，为了找到一个Python的表名列表，你可以使用：

#list of the tables in the server
table_names_list = spark.read.format('jdbc'). 
     options(
         url='jdbc:postgresql://localhost:5432/', # database url (local, remote)
         dbtable='information_schema.tables',
         user='YOUR_USERNAME',
         password='YOUR_PASSWORD',
         driver='org.postgresql.Driver'). 
     load().
     filter("table_schema = 'public'").select("table_name")
#DataFrame[table_name: string]
# table_names_list.collect()
# [Row(table_name='employee'), Row(table_name='bonus')]
table_names_list = [row.table_name for row in table_names_list.collect()]
print(table_names_list)
# ['employee', 'bonus']

请注意，这是在PostgreSQL中。您可以轻松更改url和driver参数。