Spark1.x和2.x如何读取和写入csv文件

标签：复制   数据   建议   简单   根据   格式   false   test   sch   

看很多资料，很少有讲怎么去操作读写csv文件的，我也查了一些。很多博客都是很老的方法，还有好多转来转去的，复制粘贴都不能看。下面我在这里归纳一下，以免以后用到时再费时间去查

通过sc.textFile

val input = sc.textFile("test.csv")
val result = input.map { line =>
    val reader = new CSVReader(new StringReader(line));
    reader.readNext()
}
// 创建了RDD

确实这样操作可以读取，但是根据csv文件的格式能够发现不方便后续操作，官方也建议通过Spark SQL来操作读写csv

怎么写？顺便提一句吧rdd.toDF.write.csv(...)，要引入隐式操作import spark.implicits._

通过SparkSQL读取csv文件

在 spark 1.x 中，读写csv使用了第三方库 spark-csv，由 databricks 提供。 但在 spark 2.0中，将 csv 作为一个内置的源代码。 这个决定主要是由于 csv 是企业中使用的主要数据格式之一。因此迁移到 spark 2.0时，需要将代码移动到使用构建在 csv 源代码中的代码，而不是使用第三方代码

1.x版本Spark SQL内置支持三种格式数据源：parquet（默认）、json、jdbc，所以读取csv文件需要依赖com.databricks.spark.csv

// spark是SparkSession对象
val df = spark.read
        .format("com.databricks.spark.csv")
        .option("header", "true") //reading the headers
        .option("mode", "DROPMALFORMED")
        .load("csv/file/path"); //.csv("csv/file/path") //spark 2.0 api

df.show()

2.x后也内置了csv的解析器，也可以简单滴使用csv()，
val df=spark.read.format("csv").option("header", "true").option("mode", "DROPMALFORMED").csv("csv/file/path")

val spark = SparkSession.builder().appName("fileRead").getOrCreate()
        import spark.implicits._
        val data1 = spark.read
            //          推断数据类型
            .option("inferSchema", "true")
            //         可设置分隔符，默认，
            //.option("delimiter",",")
            //          设置空值
            .option("nullValue", "?")
            //          表示有表头，若没有则为false
            .option("header", true)
            //          文件路径
            .csv("test.csv")
        //          打印数据格式
        data1.printSchema()
        //      显示数据,false参数为不要把数据截断
        data1.show(false)

通过SparkSQL写csv

//1.x
data.write.format("com.databricks.spark.csv")
    .option("header", "false")//在csv第一行有属性”true”，没有就是”false”
    .option("delimiter",",")//默认以”,”分割
    .save(outpath/test.csv)
//2.x
data.write
    .option("header", "true")
    .csv("outpath/test.csv")

貌似确定是否有头部那块写true或者字符串"true"都可以

可以参考 stackmirror 上这两个讨论：

• Write single CSV file using spark-csv
• How to export data from Spark SQL to CSV

发现有些网站真的是恶心，转我文章还不标准出处

来源：https://blog.csdn.net/lzw2016/article/details/85562172

Spark1.x和2.x如何读取和写入csv文件

标签：复制   数据   建议   简单   根据   格式   false   test   sch   

原文地址：https://www.cnblogs.com/qixidi/p/10229242.html