Tablestore

本文介绍了如何使用DLA Spark 访问Tablestore。

1. 准备以下测试代码来连接Tablestore，并将测试代码打包成JAR包上传至您的OSS。

   package com.aliyun.spark
   
   import org.apache.spark.SparkConf
   import org.apache.spark.sql.types.{DataType, IntegerType, StringType, StructField, StructType}
   import org.apache.spark.sql.{Row, SaveMode, SparkSession}
   
   import scala.collection.mutable
   //批计算谓词下推配置
   object SparkTablestore {
     def main(args: Array[String]): Unit = {
       if (args.length < 5) {
         System.err.println(
           """Usage: SparkTablestore <instance-id> <table-name> <实例访问地址-VPC> <ACCESS_KEY_ID>
             |         <ACCESS_KEY_SECRET>
           """.stripMargin)
         System.exit(1)
       }
       val instanceId = args(0)
       val tableName = args(1)
       val endpoint = args(2)
       val accessKeyId = args(3)
       val accessKeySecret = args(4)
       //表结构，您需要在Tablestore中准备具有如下表结构的表。
       val catalog =
         """
           |{
           |  "columns": {
           |    "id":{
           |      "col":"id",
           |      "type":"string"
           |    },
           |     "company": {
           |      "col": "company",
           |      "type": "string"
           |    },
           |    "age": {
           |      "col": "age",
           |      "type": "integer"
           |    },
           |
           |    "name": {
           |      "col": "name",
           |      "type": "string"
           |    }
           |  }
           |}
           |""".stripMargin
       val sparkConf = new SparkConf
       val options = new mutable.HashMap[String, String]()
       //您的Tablestore实例名称。
       options.put("instance.name", instanceId)
       //您想要连接的表名。
       options.put("table.name", tableName)
       //您的访问的endpoint
       options.put("endpoint", endpoint)
       //您的ACCESS KEY。
       options.put("access.key.id", accessKeyId)
       //您的ACCESS KEY SECRET。
       options.put("access.key.secret", accessKeySecret)
       //您的表格结构，使用JSON表达式。
       options.put("catalog", catalog)
       //与Long类型做Range( >= > < <= )比较的谓词是否下推。
       options.put("push.down.range.long", "true")
       //与String类型做Range( >= > < <= )比较的谓词是否下推。
       options.put("push.down.range.string", "true")
       // Tablestore通道Channel在每个Spark Batch周期内同步的最大数据条数，默认10000。
       options.put("maxOffsetsPerChannel", "10000")
       //多元索引名，可选。
       //options.put("search.index.name", "<index_name>")
       //tunnel id，可选。
       //options.put("tunnel.id", "<tunnel id>")
       val spark = SparkSession.builder.config(sparkConf).appName("Serverless Spark Tablestore Demo").getOrCreate
       import spark.implicits._
       val dfReader = spark.read.format("Tablestore").options(options)
       val df = dfReader.load()
       //显示表内容。
       df.show()
       df.printSchema()
       //写表。
       val schema = StructType.apply(Seq(StructField("id", StringType), StructField("company", StringType),StructField("age", IntegerType), StructField("name", StringType)))
       val newData = spark.sparkContext.parallelize(Seq(("1","ant",10,"xxx"))).map(row => Row(row._1, row._2, row._3, row._4))
       val newDataDF = spark.createDataFrame(newData, schema)
       newDataDF.write.format("Tablestore").options(options).save
       val dfReader1 = spark.read.format("Tablestore").options(options)
       val df1 = dfReader1.load()
       df1.show()
     }
   }

2. 登录Data Lake Analytics管理控制台。
3. 在页面左上角，选择Tablestore所在地域。
4. 单击左侧导航栏中的Serverless Spark > 作业管理。
5. 在作业编辑页面，单击创建作业模板。
6. 在创建作业模板页面，按照页面提示进行参数配置后，单击确定创建Spark作业。
   
7. 单击Spark作业名，在Spark作业编辑框中输入以下Spark Streaming任务内容。保存并提交Spark作业。

   {
       "args": [
           "<instanceId>", 
           "<tableName>",  
           "<endpoint>",  
           "<access key id>", 
           "<access key secret>"  
       ],
       "name": "Tablestore",
       "className": "com.aliyun.spark.SparkTablestore",
       "conf": {
           "spark.driver.resourceSpec": "medium",
           "spark.dla.connectors": "oss",
           "spark.executor.instances": 1,
           "spark.dla.job.log.oss.uri": "oss://</path/to/store/your/spark/log>",  
           "spark.executor.resourceSpec": "medium"
       },
       "file": "oss://path/to/spark-examples-0.0.1-SNAPSHOT-shaded.jar"
   }

   上述代码中出现的参数说明如下。

   参数名称	说明
   instanceId	Tablestore的实例名称。
   tableName	Tablestore的表名。
   endpoint	Tablestore的endpoint，可在Tablestore控制台上查看，选择其中的VPC访问地址。
   access key id	访问Tablestore所需的AccessKey ID。
   access key secret	访问Tablestore所需的AccessKey Secret。
   spark.dla.job.log.oss.uri	存放Spark日志的路径。