简介

POLARDB 是阿里云自研的下一代关系型云数据库，100% 兼容 MySQL，存储容量最高可达100 TB，性能最高提升至MySQL 的 6 倍，单库最多可扩展到 16 个节点，适用于企业多样化的数据库应用场景。本文主要介绍通过“数据工作台”使用Spark对接POLARDB的方法。

前置条件

1. Spark集群和POLARDB在同一个VPC下。
   进入Spark分析集群页面，选择“数据库连接”>“连接信息”，查看Spark集群的VPC ID信息。如下图：

   

2. Spark集群关联POLARDB。
   进入Spark分析集群页面，选择“关联数据库”>“关联POLARDB”页面中，支持关联以及取消关联。如下图：

   

3. POLARDB已创建表，本实例使用的POLARDB表名为：test_table，数据库名为：testdb。建表语句和内容如下：

   #建表语句：
   CREATE TABLE `testdb`.`test_table` (
    `name` varchar(32) NULL,
    `age` INT  NULL,
    `score` DOUBLE NULL
   )
   #插入数据语句：
   INSERT INTO `testdb`.`test_table` VALUES('aliyun01', 1001, 10.1);
   INSERT INTO `testdb`.`test_table` VALUES('aliyun02', 1002, 10.2);
   INSERT INTO `testdb`.`test_table` VALUES('aliyun03', 1003, 10.3);
   INSERT INTO `testdb`.`test_table` VALUES('aliyun04', 1004, 10.4);
   INSERT INTO `testdb`.`test_table` VALUES('aliyun05', 1005, 10.5);

使用“数据工作台”>“作业管理”运行样例

步骤 1：通过“资源管理”上传样例代码Jar包

下载样例代码jar包“spark-examples-0.0.1-SNAPSHOT.jar”以及依赖jar包到本地目录。

wget https://spark-home.oss-cn-shanghai.aliyuncs.com/spark_example/spark-examples-0.0.1-SNAPSHOT.jar
wget https://spark-home.oss-cn-shanghai.aliyuncs.com/spark_connectors/mysql-connector-java-5.1.34.jar

在“数据工作台”>“资源管理”中添加文件夹“spark_on_polardb”。
上传jar包“spark-examples-0.0.1-SNAPSHOT.jar”以及“mysql-connector-java-5.1.34.jar”到此文件夹。如下图：

步骤 2：通过“作业管理”创建并编辑作业内容

在“数据工作台”>“作业管理”中创建Spark作业，作业内容如下：

--class com.aliyun.spark.polardb.SparkOnPOLARDBSparkSession
--jars /spark_on_polardb/mysql-connector-java-5.1.34.jar
--driver-memory 1G 
--driver-cores 1
--executor-cores 1
--executor-memory 2G
--num-executors 1
--name spark_on_polardb
/spark_on_polardb/spark-examples-0.0.1-SNAPSHOT.jar
pc-xxx.rwlb.rds.aliyuncs.com:3306 testdb test_table xxx1 xxx2 spark_on_polardb_table

作业内容参数说明：

如下图：

步骤 3：通过“作业管理”运行作业并查看结果

作业编辑完成后点击“运行”，选择Spark集群。运行状态会在下侧显示，如图：

运行成功后点击“YarnUI”，翻到最后看到如下结果表明Spark读取POLARDB成功。如下：

+--------+----+-----+
|    name| age|score|
+--------+----+-----+
|aliyun01|1001| 10.1|
+--------+----+-----+

使用“交互式查询”运行样例

步骤 1：通过“会话管理”创建会话

在“数据工作台”>“会话管理”中点击“创建会话”。填写“会话名称”：spark_on_polardb, 选择需要执行的Spark集群。

点击“确认”后，编辑“会话内容”，内容如下：

--name spark_on_polardb
--driver-memory 1G 
--driver-cores 1
--executor-cores 1
--executor-memory 2G
--num-executors 1
--jars /spark_on_polardb/mysql-connector-java-5.1.34.jar

内容编辑完成后，点击“运行”（此处点击运行是为了下一步骤中可以选择会话“spark_on_polardb”）。

如下图：

步骤 2：通过“交互式查询”创建查询

进入“数据工作台”>“交互式查询”，在“会话列表”下拉框中选择“spark_on_polardb”，然后点击“新建查询”。填写“查询名称”：spark_on_polardb，“查询类型”选择“sql”。如下图：

步骤 3：通过“交互式查询”编辑查询

查询输入如下内容：

create table spark_on_polardb_t01
using org.apache.spark.sql.jdbc
options ( 
  driver 'com.mysql.jdbc.Driver',
  url 'jdbc:mysql://pc-xxx.rwlb.rds.aliyuncs.com:3306',
  dbtable 'testdb.test_table',
  user 'xxx1',
  password 'xxx2'
)

如下图：

建表语句关键字说明：

步骤 4：通过“交互式查询”运行查询

编辑查询后，点击“运行”；运行成功后，在“查询内容”中输入“select * from spark_on_polardb_t01”，然后点击“运行”验证结果，出现如下结果表示运行成功。如下图：

小结

• 本例代码可参考：SparkOnPOLARDBSparkSession.scala
• 更多样例代码可参考：Spark样例代码