Spark SQL - 在 Spark Streams 上部署 SQL 查询的选项

Question

我是 Spark 的新手，想运行通过 Spark 流进行 Spark SQL 查询。

我目前的理解是，我需要在我的 Spark 作业的代码中定义我的 SQL 查询，正如摘自 Spark SQ 主页的这段代码所示：-

spark.read.json("s3n://...")
  .registerTempTable("json")
results = spark.sql(
  """SELECT * 
     FROM people
     JOIN json ...""")

我想做的是在某个地方自己定义我的查询 - 例如。 .sql 文件 - 然后将其部署到 Spark 集群上。

谁能告诉我 Spark 目前是否支持这种架构？例如。一些 API?

Answer 1

您可以使用 python 和 open 来满足您的目的：

with open('filepath/filename.sql') as fr:
    query = fr.read()
x = spark.sql(query)
x.show(5)

您可以在使用 sys.argv[]

提交作业时将 filename.sql 作为参数传递

请参阅此 link 以获得更多帮助：Spark SQL question

Spark SQL - Options for deploying SQL queries on Spark Streams