有没有办法将pyspark数据帧写入redis的azure缓存？

Question

我有一个包含 2 列的 pyspark 数据框。我为 redis 实例创建了一个 azure 缓存。我想将 pyspark 数据框写入 redis，其中数据框的第一列作为键，第二列作为值。我怎样才能在 azure 中做到这一点？

Answer 1

您需要利用这个库：https://github.com/RedisLabs/spark-redis 连同所需的相关 jar（取决于您使用的 spark+scala 版本）。

在我的例子中，我已经在 spark cluster(Scala=2.12) 最新的 spark 上安装了 3 个 jar：

spark_redis_2_12_2_6_0.jar
commons_pool2_2_10_0.jar
jedis_3_6_0.jar

沿着连接到redis的配置：

集群配置

spark.redis.auth PASSWORD
spark.redis.port 6379
spark.redis.host xxxx.xxx.cache.windows.net

确保你有 azure redis 4.0，库可能有 6.0 的问题。要推送的示例代码：

    from pyspark.sql.types import StructType, StructField, StringType
schema = StructType([
    StructField("id", StringType(), True),
    StructField("colA", StringType(), True),
    StructField("colB", StringType(), True)
])

data = [
    ['1', '8', '2'],
    ['2', '5', '3'],
    ['3', '3', '1'],
    ['4', '7', '2']
]
df = spark.createDataFrame(data, schema=schema)
df.show()
--------------
(
    df.
    write.
    format("org.apache.spark.sql.redis").
    option("table", "mytable").
    option("key.column", "id").
    save()
)

有没有办法将pyspark数据帧写入redis的azure缓存？

Is there a way to write pyspark dataframe to azure cache for redis?

python

azure

redis

azure-redis-cache

pyspark

集群配置