Strukturerade strömningsmönster i Azure Databricks
Det här innehåller notebook-filer och kodexempel för vanliga mönster för att arbeta med strukturerad direktuppspelning i Azure Databricks.
Komma igång med strukturerad direktuppspelning
Om du är helt ny på Structured Streaming läser du Kör din första strukturerade strömningsarbetsbelastning.
Skriva till Cassandra som mottagare för strukturerad direktuppspelning i Python
Apache Cassandra är en distribuerad OLTP-databas med låg svarstid, skalbar och hög tillgänglighet.
Strukturerad direktuppspelning fungerar med Cassandra via Spark Cassandra Connector. Den här anslutningsappen stöder både RDD- och DataFrame-API:er och har inbyggt stöd för att skriva strömmande data. Viktigt Du måste använda motsvarande version av spark-cassandra-connector-assembly.
Följande exempel ansluter till en eller flera värdar i ett Cassandra-databaskluster. Den anger även anslutningskonfigurationer, till exempel kontrollpunktsplatsen och de specifika nyckelrymds- och tabellnamnen:
spark.conf.set("spark.cassandra.connection.host", "host1,host2")
df.writeStream \
.format("org.apache.spark.sql.cassandra") \
.outputMode("append") \
.option("checkpointLocation", "/path/to/checkpoint") \
.option("keyspace", "keyspace_name") \
.option("table", "table_name") \
.start()
Skriva till Azure Synapse Analytics med hjälp av foreachBatch()
i Python
streamingDF.writeStream.foreachBatch()
gör att du kan återanvända befintliga batchdataskrivare för att skriva utdata från en strömmande fråga till Azure Synapse Analytics. Mer information finns i foreachBatch-dokumentationen .
Om du vill köra det här exemplet behöver du Azure Synapse Analytics-anslutningsappen. Mer information om Azure Synapse Analytics-anslutningsappen finns i Fråga efter data i Azure Synapse Analytics.
from pyspark.sql.functions import *
from pyspark.sql import *
def writeToSQLWarehouse(df, epochId):
df.write \
.format("com.databricks.spark.sqldw") \
.mode('overwrite') \
.option("url", "jdbc:sqlserver://<the-rest-of-the-connection-string>") \
.option("forward_spark_azure_storage_credentials", "true") \
.option("dbtable", "my_table_in_dw_copy") \
.option("tempdir", "wasbs://<your-container-name>@<your-storage-account-name>.blob.core.windows.net/<your-directory-name>") \
.save()
spark.conf.set("spark.sql.shuffle.partitions", "1")
query = (
spark.readStream.format("rate").load()
.selectExpr("value % 10 as key")
.groupBy("key")
.count()
.toDF("key", "count")
.writeStream
.foreachBatch(writeToSQLWarehouse)
.outputMode("update")
.start()
)
Anslutningar från dataström till dataström
Dessa två notebook-filer visar hur du använder stream-stream-kopplingar i Python och Scala.