Simba JDBC 用于与 Spark JDBC DataFrame reader 一起使用的 Cloud Spanner 的驱动程序

Question

我正在使用 Simba Technologies Inc 的 JDBC 驱动程序与 Google cloud spanner 建立连接。与预期的 Java.sql 一样，它是运行。什么时候，我尝试将 simba JDBC 驱动程序与 Spark 的 JDBC reader 一起使用，以便将查询输出读取为 DataFrame 但是，它给出了错误的输出。

这是我的扳手table:

UserID  UserName
1   Vaijnath
2   Ganesh
3   Rahul

元数据： 用户 ID（字符串）
用户名（字符串）

我正在执行 Query 作为：SELECT * FROM users

当我将 Simba JDBC 驱动程序与 Java Sql 一起使用时，此查询获取正确的数据，但当我将其与 Spark SQL 一起使用时，它无法获取数据' s JDBC reader.

它returns DataFrame 为

+------+--------+
|UserID|UserName|
+------+--------+
|UserID|UserName|
|UserID|UserName|
|UserID|UserName|
+------+--------+

正如我们所见，它返回了正确的元数据和行数，但是，行包含列名。

这是我使用的代码：

import java.util.Properties
import org.apache.spark.sql.{DataFrame, SparkSession}

object  spannerIn {
    val sparkSession =SparkSession
            .builder()
            .appName("Spark SQL basic example").master("local")
            .config("spark.sql.warehouse.dir", "file:///tmp")
            .config("spark.sql.shuffle.partitions", 1)
            .getOrCreate()

    val properties =new Properties()
    properties.setProperty("user", "")
    properties.setProperty("password", "")
    properties.setProperty("driver", "com.simba.cloudspanner.core.jdbc42.CloudSpanner42Driver")

    val connectionURL="jdbc:cloudspanner://localhost;Project=abc;Instance=pqr;Database=xyz;PvtKeyPath=FilePath"
    val selectQuery="(select * from users)"
    def main(args: Array[String]): Unit = {
            val df = createJdbcDataframe()
            df.show()
    }
    def createJdbcDataframe(): DataFrame = {
    sparkSession.read.jdbc(connectionURL, selectQuery, properties)
    }
}

我的问题是，我可以将 Simba JDBC 驱动程序与 Spark 一起使用吗？如果是，那么我需要添加哪些额外的东西。感谢任何帮助。

Answer 1

这是因为 Spark 默认情况下使用双引号 (") 引用所有标识符，这意味着正在生成以下查询：

SELECT "UserID", "UserName" FROM USERS

这被 Cloud Spanner 解释为选择两个固定字符串。它与大多数其他数据库中的基本相同：

SELECT 'UserID', 'UserName' FROM USERS

Google Cloud Spanner 使用反引号 (`) 来引用标识符，并期望这样：

SELECT `UserID`, `UserName` FROM USERS

要解决此问题，您需要为 Google Cloud Spanner 注册一个特定的 JDBC 方言，并注册反引号以便像这样引用：

    Class.forName("nl.topicus.jdbc.CloudSpannerDriver");
    SparkSession spark = SparkSession.builder().appName("Java Spark SQL basic example")
                .config("spark.some.config.option", "some-value").master("local").getOrCreate();
    String sparkURL = "jdbc:cloudspanner://localhost;Project=project-id;Instance=instance-id;Database=db;PvtKeyPath=pathToKeyFile.json";
    JdbcDialects.registerDialect(new JdbcDialect()
    {
        private static final long serialVersionUID = 1L;

        @Override
        public boolean canHandle(String url)
        {
            return url.toLowerCase().startsWith("jdbc:cloudspanner:");
        }

        @Override
        public String quoteIdentifier(String column)
        {
            return "`" + column + "`";
        }
    });
    Dataset<Row> dataset = spark.read().jdbc(sparkURL, "ACCOUNT", new Properties());
    dataset.show();

请注意，我没有使用 Simba 驱动程序测试以上内容，仅使用此驱动程序进行测试：https://github.com/olavloite/spanner-jdbc 我想它应该也适用于 Simba 驱动程序。

Simba JDBC 用于与 Spark JDBC DataFrame reader 一起使用的 Cloud Spanner 的驱动程序

Simba JDBC driver For Cloud Spanner used with Spark JDBC DataFrame reader

apache-spark

google-cloud-platform

apache-spark-sql

google-cloud-spanner