Update from Sync Service

This commit is contained in:
FNS Service
2026-07-31 15:28:08 +08:00
commit b8a78631a4
569 changed files with 193313 additions and 0 deletions
File diff suppressed because one or more lines are too long

After

Width:  |  Height:  |  Size: 6.6 KiB

@@ -0,0 +1,225 @@
## 一、官方JDBC使用
TDengine官方提供了JDBC,Spark读取和写入均可以直接使用
### 1.1 依赖问题
1. 需要引用taos-jdbcdriver-2.0.42.jar这个包,版本上强烈推荐2.0.42,其他版本会有各种问题;
2. taos-jdbc的依赖与南京spark集群存在冲突,需要手动引入依赖,方法为:
1. 下载正确的依赖,并上传hadoop;
2. 在提交spark任务的时候,手动制定依赖:
```shell
--conf spark.driver.extraClassPath=guava-30.1.1-jre.jar:failureaccess-1.0.1.jar \
--conf spark.executor.extraClassPath=guava-30.1.1-jre.jar:failureaccess-1.0.1.jar
--jars path-to-jar/guava-30.1.1-jre.jar,path-to-jar/failureaccess-1.0.1.jar
```
```pom
<dependency>
<groupId>com.taosdata.jdbc</groupId>
<artifactId>taos-jdbcdriver</artifactId>
<version>2.0.42</version>
</dependency>
```
3. 对于scala可以在pom中引入依赖,并将所有依赖打包到jar包中,但是python做不到,所以对于pyspark程序,最好引用taos-jdbcdriver-2.0.42-dist.jar
```shell
--conf spark.driver.extraClassPath=guava-30.1.1-jre.jar:failureaccess-1.0.1.jar:taos-jdbcdriver-2.0.42-dist.jar
--conf spark.executor.extraClassPath=guava-30.1.1-jre.jar:failureaccess-1.0.1.jar:taos-jdbcdriver-2.0.42-dist.jar
--jars path-to-jar/guava-30.1.1-jre.jar,path-to-jar/failureaccess-1.0.1.jar,path-to-jar/taos-jdbcdriver-2.0.42-dist.jar
```
### 1.2 读取
可以使用下面的方法读取TDegine
1. 读取整个表
```Python
info = spark.read\
.format("jdbc")\
.option("driver", "com.taosdata.jdbc.rs.RestfulDriver")\
.option("url", "jdbc:TAOS-RS://ip:port/db?user=user&password=password")\
#这里是设置网络超时的,如果一次性读取的信息比较多可以把这里设置大一些,单位是ms,默认为5000
.option("httpSocketTimeout", "100000") \
.option("dbtable", "test.test")\
.load()
```
2. 读取部分内容
```python
info = spark.read\
.format("jdbc")\
.option("driver", "com.taosdata.jdbc.rs.RestfulDriver")\
.option("url", "jdbc:TAOS-RS://ip:port/db?user=user&password=password")\
#这里是设置网络超时的,如果一次性读取的信息比较多可以把这里设置大一些,单位是ms,默认为5000
.option("httpSocketTimeout", "100000") \
.option("query", "select * from test.test limit 100")\
.load()
```
### 1.3 存储
可以使用下面的方法向TDegine保存数据
```python
toHbaseSave
.write
.format("jdbc")
.option("url", url)
.option("driver", driver)
.mode(SaveMode.Append)
.option("dbtable", "test.test")
.save()
```
## 二、使用自定义数据源写入数据
对于spark来说,直接使用官方的jdbc进行连接只能实现向普通表中写入数据,无法利用TDengine超级表的特性,为了能向超级表中写入数据,需要自定义数据源。由于只需要写入特性,因此下面的内容中只实现了写入的逻辑,没有实现读取的逻辑。
1. extends DataSourceV2 with WriteSupport 并重写createWriter方法,创建自定义的数据源;
```scala
class TDSourceV2 extends DataSourceV2 with WriteSupport with Serializable {
override def createWriter(
jobId: String,
structType: StructType,
saveMode: SaveMode,
dataSourceOptions: DataSourceOptions): Optional[DataSourceWriter] = {
Optional.of(new TDSourceWriter(
//地址
dataSourceOptions.get("url").get(),
//用户名
dataSourceOptions.get("user").get(),
//密码
dataSourceOptions.get("password").get(),
//数据库名称
dataSourceOptions.get("db").get(),
//超级表名称
dataSourceOptions.get("stable").get()))
}
```
2. 继承 DataSourceWriter 重写 createWriterFactory 方法并返回自定义的 DataWriterFactory,重写 commit 方法,用来提交整个事务, 重写 abort 方法,用来做事务回滚;
```scala
class TDSourceWriter(
url: String,
user: String,
password: String,
db: String,
stable: String) extends DataSourceWriter with Serializable{
override def createWriterFactory(): DataWriterFactory[InternalRow] = {
new TDWriterFactory(url, user, password, db, stable)
}
// 2.6版本的TDengine不支持事务
override def commit(writerCommitMessages: Array[WriterCommitMessage]): Unit = Unit
// 2.6版本的TDengine不支持事务
override def abort(writerCommitMessages: Array[WriterCommitMessage]): Unit = Unit
}
```
3. 继承 DataWriterFactory, 重写 createDataWriter方法返回自定义的 DataWriter
```scala
class TDWriterFactory(
url: String,
user: String,
password: String,
db: String,
stable: String) extends DataWriterFactory[InternalRow] with Serializable {
override def createDataWriter(
partitionId: Int,
taskId: Long,
epochId: Long): DataWriter[InternalRow] = {
new TDDataWriter(url, user, password, db, stable)
}
}
```
4. 继承 DataWriter 重写 write 方法实现具体的写入数据库逻辑,重写 commit 方法用来提交事务,重写 abort 方法用来做事务回滚 ;
```scala
class TDDataWriter(
url: String,
user: String,
password: String,
db: String,
stable: String) extends DataWriter[InternalRow] with Serializable {
private val logger = LoggerFactory.getLogger(this.getClass)
private var conn: Connection = null
private var stmt: Statement = null
override def write(record: InternalRow): Unit = {
//在这里编写将数据插入数据库的逻辑
Class.forName("com.taosdata.jdbc.rs.RestfulDriver")
val jdbcUrl = s"jdbc:TAOS-RS://$url/$db?user=$user&password=$password"
// 可以通过record.getxxx获取对应列的内容
// 如table_name = record.getString(0)
val variable1 = record.getString(0)
val variable2 = record.getInt(1)
val variable3 = record.getFloat(2)
// 构建插入数据库的sql语句
// 请注意,只有原生连接方式才支持参数绑定的插入方式,
// 由于要在spark集群上跑,这里用的是Rest的连接方式,
// 所以只能手动构建插入数据库的sql语句
// 关于原生连接、Rest连接和参数绑定插入,请见官方文档
val sql = "insert to ..."
logger.info(sql)
conn = DriverManager.getConnection(jdbcUrl)
stmt = conn.createStatement()
stmt.execute(s"use $db")
try{
stmt.execute(sql)
conn.commit()
}catch {
case e: Exception => e.printStackTrace()
}finally {
conn.close()
}
}
// Tdengine2.6版本不支持事务,因此此处并无实际需要做的事情
// 创建WriterCommitMessage类,绝对不能传null,网上有些代码是错误的
object WriteSucceeded extends WriterCommitMessage
override def commit(): WriterCommitMessage = WriteSucceeded
// Tdengine2.6版本不支持事务,因此此处并无实际需要做的事情
override def abort(): Unit = Unit
}
```
5. 调用,在程序中指定自定义的datasource并传入参数
```scala
toTdSave
.write
.format("org.example.TDSourceV2")
.mode(SaveMode.Append)
// 地址
.option("url", url)
// 数据库名
.option("db", db)
// 用户名
.option("user", user)
// 超级表名
.option("stable", stable)
// 密码
.option("password", password)
.save()
```
参考文献:
1. [暑期2021项目经验分享:实现Spark对接openGauss](https://www.modb.pro/db/132365)
2. [Spark DataSource V1 & V2 API 一文理解](https://blog.csdn.net/penriver/article/details/115672072)
3. [Spark SQL DataSource V2 学习入门 + 代码模板](http://www.jsledd.cn/2019/04/05/datasourcev2/)
4. [Tdengine v2.6 官方文档](https://docs.taosdata.com/2.6/reference/connector/java/)