Spark跨集群读取HDFS文件

Spark跨集群读取HDFS文件,第1张

Spark跨集群读取HDFS文件

        大家平时可能都是在本集群上读取本地的HDFS文件,那如果我有两套集群呢?这个时候该如何读取另外一套集群上面的HDFS文件呢?废话不多说,直接上代码,如果代码有关于一些nameservices等这些信息不知道去哪里看的人,可以翻翻我之前的博客,或者私信我。

public static void main(String[] args) {

        SparkConf conf = new SparkConf().setAppName("bigdata-spark-etl-task")
                .setMaster("local[*]");
        
        SparkSession sparkSession = SparkSession.builder()
                .config(conf)
                .getOrCreate();
        
        Map nameNodeMap = new HashMap<>();

        nameNodeMap.put("namenode33", "incubator-dc-006:8020");
        nameNodeMap.put("namenode35", "incubator-dc-007:8020");

        hdfsReader(sparkSession, "test-ns1", nameNodeMap, "hdfs://test-ns1/dw/public/test/ads_mkt_td_user_ds");
}


static Dataset hdfsReader(SparkSession sparkSession, String nameServices, Map nameNodeMap, String hdfsDir) {

        SparkContext sparkContext = sparkSession.sparkContext();
        sparkContext.hadoopConfiguration().set("fs.defaultFs", "hdfs://" + nameServices);
        sparkContext.hadoopConfiguration().set("dfs.nameservices", nameServices);

        List nameNodesLists = new ArrayList<>();

        StringBuilder haNameNodes = new StringBuilder();
        int i = 0;
        for (Map.Entry nameNodes : nameNodeMap.entrySet()) {
            nameNodesLists.add(nameNodes.getKey());
            if (i == 0) {
                haNameNodes = new StringBuilder(nameNodes.getKey());
            } else {
                haNameNodes.append(",").append(nameNodes.getKey());
            }
            i++;
        }

        sparkContext.hadoopConfiguration().set("dfs.ha.namenodes." + nameServices, haNameNodes.toString());

        for (String nameNodesList : nameNodesLists) {
            sparkContext.hadoopConfiguration().set("dfs.namenode.rpc-address." + nameServices + "." + nameNodesList, nameNodeMap.get(nameNodesList));
        }

        sparkContext.hadoopConfiguration().set("dfs.ha.automatic-failover.enabled." + nameServices, "true");
        sparkContext.hadoopConfiguration().set("dfs.client.failover.proxy.provider." + nameServices, "org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider");
        sparkSession.read().load(hdfsDir).show();
        return sparkSession.read().load(hdfsDir);
    }

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/zaji/5679082.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-17
下一篇 2022-12-17

发表评论

登录后才能评论

评论列表(0条)

保存