Redis
 sql >> Database >  >> NoSQL >> Redis

C'è un modo per scrivere pyspark dataframe nella cache di Azure per redis?

Devi sfruttare questa libreria:https://github.com/RedisLabs/spark-redisalong con il jar associato necessario (a seconda della versione di spark+scala che stai utilizzando).

Nel mio caso ho installato 3 jar su spark cluster (Scala=2.12) ultima scintilla:

  1. spark_redis_2_12_2_6_0.jar
  2. commons_pool2_2_10_0.jar
  3. jedis_3_6_0.jar

Lungo la configurazione per la connessione a redis:

Impostazione di configurazione cluster

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

Assicurati di avere azure redis 4.0, la libreria potrebbe avere problemi con 6.0. Codice di esempio da inviare:

    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()
)