视频：JDBCRDD源码及自定义JDBCRDD的分区策略

jdbcRDD虽然是鸡肋，但是也值得一讲。帮助大家更进一步理解RDD。

1,JDBCRDD使用

val data = new JdbcRDD(sc, getConnection

, "SELECT id,aa FROM bbb where ? <= ID AND ID <= ?", lowerBound = 3, upperBound =5, numPartitions = 1, mapRow = extractValues)

参数解释:

1，sparkcontext。

2，一个创建链接的函数。

3，sql。必须有? <= ID AND ID <= ?。

4，要取数据的id最小行。

5，要取数据的id最大行号。

6，分区数。

7，一个将ResultSet转化为需要类型的方法。

2,JdbcRDD的getPartition方法

override def getPartitions: Array[Partition] = { // bounds are inclusive, hence the + 1 here and - 1 on end val length = BigInt (1) + upperBound - lowerBound (0 until numPartitions).map(i => { val start = lowerBound + ((i * length) / numPartitions) val end = lowerBound + (((i + 1) * length) / numPartitions) - 1 new JdbcPartition(i, start.toLong, end.toLong) }).toArray }

3,JdbcRDD的compute方法

就是一个通过jdbc获取指定范围数据的过程。

val part = thePart.asInstanceOf[JdbcPartition] val conn = getConnection() val stmt = conn .prepareStatement(sql, ResultSet. TYPE_FORWARD_ONLY , ResultSet. CONCUR_READ_ONLY ) stmt .setLong(1, part .lower) stmt .setLong(2, part .upper) val rs = stmt .executeQuery()

4,重写JDBC方法

重写分区的方法即可。

如:

CustomizedJdbcRDD[T: ClassTag]( sc: SparkContext, getConnection: () => Connection, sql: String, getCustomizedPartitions: () => Array[Partition], prepareStatement: (PreparedStatement, CustomizedJdbcPartition) => PreparedStatement, mapRow: (ResultSet) => T = CustomizedJdbcRDD. resultSetToObjectArray _)

同时把getPartition方法重写为:

override def getPartitions: Array[Partition] = { getCustomizedPartitions(); }