數(shù)據(jù)讀取與保存概述_第1頁
數(shù)據(jù)讀取與保存概述_第2頁
數(shù)據(jù)讀取與保存概述_第3頁
數(shù)據(jù)讀取與保存概述_第4頁
數(shù)據(jù)讀取與保存概述_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

數(shù)據(jù)讀取與保存概述目錄常見的數(shù)據(jù)源文件格式21222常見的數(shù)據(jù)源1常見的數(shù)據(jù)源

在Spark中對已分發(fā)的數(shù)據(jù)執(zhí)行的操作可以從本地集合或者普通文件中進行數(shù)據(jù)讀取和保存。但有時候，數(shù)據(jù)量可能大到無法放在一臺機器中，這時就需要探索別的數(shù)據(jù)讀取和保存的方法了。常見的數(shù)據(jù)源常見的數(shù)據(jù)源SparkSQL中的結(jié)構(gòu)化數(shù)據(jù)源文件格式與文件系統(tǒng)數(shù)據(jù)庫與鍵值存儲常見的數(shù)據(jù)源1、文件格式與文件系統(tǒng)：對于存儲在本地文件系統(tǒng)或分布式文件系統(tǒng)（比如NFS、HDFS、AmazonS3等）中的數(shù)據(jù)，Spark可以訪問很多種不同的文件格式，包括文本文件、JSON、SequenceFile，以及protocolbuffer。常見的數(shù)據(jù)源2、SparkSQL中的結(jié)構(gòu)化數(shù)據(jù)源：它針對包括JSON和ApacheHive在內(nèi)的結(jié)構(gòu)化數(shù)據(jù)源，提供了一套更加簡潔高效的API。常見的數(shù)據(jù)源

3、數(shù)據(jù)庫與鍵值存儲：Spark自帶的庫和一些第三方庫，它們可以用來連接Cassandra、HBase、Elasticsearch以及JDBC源。文件格式2文件格式

Spark支持對多種文件格式的讀取和保存，例如：文本文件的非結(jié)構(gòu)化的文件，JSON格式的半結(jié)構(gòu)化的文件，SequenceFile這樣的結(jié)構(gòu)化的文件，Spark都支持。Spark根據(jù)文件擴展名選擇對應(yīng)的處理方式。這一過程是封裝好的，對用戶透明。文件格式

文件格式1、文本文件:普通的文本文件，每行一條記錄2、JSON:常見的基于文本的格式，半結(jié)構(gòu)化；大多數(shù)庫都要求每行一條記錄。3、CSV:非常常見的基于文本的格式，通常在電子表格應(yīng)用中使用4、SequenceFiles:一種用于鍵值對數(shù)據(jù)的常見Hadoop文件格式5、Protocolbuffers:一種快速、節(jié)約空間的跨語言格式6、對象文件:用來將Spar

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論