come salvare dataframe in mongodb usando pyspark?

Un modo efficiente per scrivere in mongodb da pyspark consiste nell'usare MongoDB Connettore scintilla . Connector convertirà i dati in formato BSON e li salverà su mongodb. Diciamo che hai spark dataframe chiamato df che vuoi salvare in mongodb. Puoi provare:

from pyspark.sql import SparkSession, SQLContext
from pyspark import SparkConf, SparkContext
sc = SparkContext()
spark = SparkSession(sc)   


df.write.format("com.mongodb.spark.sql.DefaultSource").mode("append").option("spark.mongodb.output.uri","mongodb://username:[email protected]_details:27017/db_name.collection_name?authSource=admin").save()

Se stai usando il taccuino, scrivi questo in alto-

%%configure
{"conf": {"spark.jars.packages": "org.mongodb.spark:mongo-spark-connector_2.11:2.3.2"}}

Se stai usando il comando spark-submit:

spark-submit --conf spark.pyspark.python=/usr/bin/anaconda/envs/py35/bin/python3.5 --packages org.mongodb.spark:mongo-spark-connector_2.11:2.3.1 file_name.py