數據讀取與保存概述_第1頁
數據讀取與保存概述_第2頁
數據讀取與保存概述_第3頁
數據讀取與保存概述_第4頁
數據讀取與保存概述_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

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

數據讀取與保存概述目錄常見的數據源文件格式21222常見的數據源1常見的數據源

在Spark中對已分發(fā)的數據執(zhí)行的操作可以從本地集合或者普通文件中進行數據讀取和保存。但有時候，數據量可能大到無法放在一臺機器中，這時就需要探索別的數據讀取和保存的方法了。常見的數據源常見的數據源SparkSQL中的結構化數據源文件格式與文件系統(tǒng)數據庫與鍵值存儲常見的數據源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）中的數據，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。常見的數據源2、SparkSQL中的結構化數據源：它針對包括JSON和ApacheHive在內的結構化數據源，提供了一套更加簡潔高效的API。常見的數據源

3、數據庫與鍵值存儲：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：文本文件的非結構化的文件，JSON格式的半結構化的文件，SequenceFile這樣的結構化的文件，Spark都支持。Spark根據文件擴展名選擇對應的處理方式。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，半結構化；大多數庫都要求每行一條記錄。3、CSV:非常常見的基于文本的格式，通常在電子表格應用中使用4、SequenceFiles:一種用于鍵值對數據的常見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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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確性、安全性和完整性, 同時也不承擔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