执行python文件时带有spark-submit的CLI参数

Question

我正在尝试通过pyspark中的以下代码将sql server表转换为.csv格式。

from pyspark import SparkContext
sc = SparkContext("local", "Simple App")
from pyspark.sql import SQLContext, Row
sqlContext = SQLContext(sc)

    df = sqlContext.read.format("jdbc").option("url","jdbc:sqlserver://server:port").option("databaseName","database").option("driver","com.microsoft.sqlserver.jdbc.SQLServerDriver").option("dbtable","table").option("user","uid").option("password","pwd").load()

    df.registerTempTable("test")
    df.write.format("com.databricks.spark.csv").save("full_path")

因此，如果要转换多个表，则需要编写多个数据框，因此，为了避免这种情况，我想在数据库中遍历数据框时使用命令行参数作为数据库名称以及用户的表名称for循环。

可能吗？ 如果是，有人可以指导我如何通过火花提交吗？

Answer 1

只需将此更改更改为spark-submit命令和您的代码即可：

test.py

import sys
from pyspark import SparkContext
sc = SparkContext("local", "Simple App")
from pyspark.sql import SQLContext, Row
sqlContext = SQLContext(sc)
db_name = sys.argv[1]
table_name = sys.argv[2]
file_name = sys.argv[3]
df = sqlContext.read.format("jdbc").option("url","jdbc:sqlserver://server:port").option("databaseName",db_name).option("driver","com.microsoft.sqlserver.jdbc.SQLServerDriver").option("dbtable",table_name).option("user","uid").option("password","pwd").load()

df.registerTempTable("test")
df.write.format("com.databricks.spark.csv").save(file_name)

Spark提交命令： spart-submit test.py <db_name> <table_name> <file_name>