如何使用 pyspark 从 databricks 集群连接到 mongodb Atlas

Question

如何使用 pyspark 从 databricks 集群连接到 mongodb Atlas

这是我在笔记本中的简单代码

from pyspark.sql import SparkSession
spark = SparkSession \
    .builder \
    .appName("myApp") \
    .config("spark.mongodb.input.uri", "mongodb+srv://admin:<password>@mongocluster.fxilr.mongodb.net/TestDatabase.Events") \
    .getOrCreate()

df = spark.read.format("mongo").load()
df.printSchema()

但我收到错误

IllegalArgumentException：缺少数据库名称。 通过“spark.mongodb.input.uri”或“spark.mongodb.input.database”属性设置

我在做什么错

Answer 1

我按照这些步骤进行操作，并且能够连接。

• 安装 org.mongodb.spark:mongo-spark-connector_2.12:3.0.2 maven 库到您的集群，因为我使用的是 scala2.12

• 转到集群详细信息页面并在 Spark 选项卡下的高级选项中，添加以下两个配置参数

   spark.mongodb.output.uri connection-string spark.mongodb.input.uri connection-string

注意connection-string应该是这样的 - （有你适当的用户、密码和数据库名称）

mongodb+srv://user:password@cluster1.s5tuva0.mongodb.net/my_database?retryWrites=true&w=majority

• 在您的笔记本中使用以下 python 代码，它应该将您的样本集合加载到 dataframe

# Reading from MongoDB
df = spark.read\
.format("com.mongodb.spark.sql.DefaultSource")\
.option("uri", "mongodb+srv://user:password@cluster1.s5tuva0.mongodb.net/database?retryWrites=true&w=majority")\
.option("database", "my_database")\
.option("collection", "my_collection")\
.load()

• 您可以使用以下内容写入 mongo db

events_df.write\
    .format('com.mongodb.spark.sql.DefaultSource')\
    .mode("append")\
    .option( "uri", "mongodb+srv://user:password@cluster1.s5tuva0.mongodb.net/my_database.my_collection?retryWrites=true&w=majority") \
    .save()

希望这对你有用。 请让其他人知道它是否有效。