视频：JDBCRDD源码及自定义JDBCRDD的分区策略

深圳浪尖 浪尖聊大数据

jdbcRDD虽然是鸡肋，但是也值得一讲。帮助大家更进一步理解RDD。

1,JDBCRDD使用


val data = new JdbcRDD(sc, getConnection
, "SELECT id,aa FROM bbb where ? <= ID AND ID <= ?", lowerBound = 3, upperBound =5, numPartitions = 1, mapRow = extractValues)

参数解释: 1，sparkcontext。 2，一个创建链接的函数。 3，sql。必须有? <= ID AND ID <= ?。 4，要取数据的id最小行。 5，要取数据的id最大行号。 6，分区数。 7，一个将ResultSet转化为需要类型的方法。

2,JdbcRDD的getPartition方法


override def getPartitions: Array[Partition] = {
 // bounds are inclusive, hence the + 1 here and - 1 on end
 val length = BigInt(1) + upperBound - lowerBound
 (0 until numPartitions).map(i => {
   val start = lowerBound + ((i * length) / numPartitions)
   val end = lowerBound + (((i + 1) * length) / numPartitions) - 1
   new JdbcPartition(i, start.toLong, end.toLong)
 }).toArray
}

3,JdbcRDD的compute方法

就是一个通过jdbc获取指定范围数据的过程。


val part = thePart.asInstanceOf[JdbcPartition]
val conn = getConnection()
val stmt = conn.prepareStatement(sql, ResultSet.TYPE_FORWARD_ONLY, ResultSet.CONCUR_READ_ONLY)
stmt.setLong(1, part.lower)
stmt.setLong(2, part.upper)
val rs = stmt.executeQuery()

4,重写JDBC方法

重写分区的方法即可。 如:


CustomizedJdbcRDD[T: ClassTag](
                                     sc: SparkContext,
                                     getConnection: () => Connection,
                                     sql: String,
                                     getCustomizedPartitions: () => Array[Partition],
                                     prepareStatement: (PreparedStatement, CustomizedJdbcPartition) => PreparedStatement,
                                     mapRow: (ResultSet) => T = CustomizedJdbcRDD.resultSetToObjectArray _)

同时把getPartition方法重写为:


override def getPartitions: Array[Partition] = {
 getCustomizedPartitions();
}

https://v.qq.com/x/page/t0700p2vwyg.html