前言

最近正好有个需求，就是从不同的数据库以及表里拉出数据，经过一定的处理放到ES里供查询，最好还能放个到parquet里，这样可以支持更复杂的SQL。之前StreamingPro是只能配置一个数据源的，所以做了些改造，方便配置多个数据源，以及多个写出。

最新的下载地址： https://pan.baidu.com/s/1eRO5Wga  依然的，比较大，因为现在他还能支持Thrift JDBC /Rest SQL： 使用StreamingPro 快速构建Spark SQL on CarbonData。

输入配置

{        "name": "batch.sources",        "params": [
          {            "path": "file:///tmp/sample.csv",            "format": "com.databricks.spark.csv",            "outputTable": "test",            "header": "true"
          },
          {            "path": "file:///tmp/sample.csv",            "format": "com.databricks.spark.csv",            "outputTable": "test2",            "header": "true"
          }
        ]
      },

以前用的是 batch.source, 如果你有多个输入源，则需要使用batch.sources 组件。每个源需要配置一个outputTable,也就是说这个源取个名字，方便后面使用。

如果是数据库，则可以这么写：

{        "name": "batch.sources",        "params": [
          {
             url:"jdbc:mysql://localhost/test?user=fred&password=secret",            "dbtable":"table1",            "driver":"com.mysql...",            "path": "-",            "format": "jdbc",            "outputTable": "test",

          },
          {            "path": "-",            "format": "com.databricks.spark.csv",            "outputTable": "test2",            "header": "true"
          }
        ]
      },

输出

{        "name": "batch.outputs",        "params": [
          {            "format": "json",            "path": "file:///tmp/kk2",            "inputTableName": "finalOutputTable"
          },
          {            "format": "parquet",            "path": "file:///tmp/kk3",            "inputTableName": "finalOutputTable"
          }
        ]
      }

我这里同时输出为json以及parquet格式。

一个简单但是涉及点比较多的例子

{  "convert-multi-csv-to-json": {    "desc": "测试",    "strategy": "spark",    "algorithm": [],    "ref": [],    "compositor": [
      {        "name": "batch.sources",        "params": [
          {            "path": "file:///tmp/sample.csv",            "format": "com.databricks.spark.csv",            "outputTable": "test",            "header": "true"
          },
          {            "path": "file:///tmp/sample.csv",            "format": "com.databricks.spark.csv",            "outputTable": "test2",            "header": "true"
          }
        ]
      },
      {        "name": "batch.sql",        "params": [
          {            "sql": "select city as tp  from test limit 100",            "outputTableName": "sqlTable"
          }
        ]
      },
      {        "name": "batch.script",        "params": [
          {            "inputTableName": "sqlTable",            "outputTableName": "scriptTable",            "useDocMap": true
          },
          {            "-": "val count = doc(\"tp\").toString.length;Map(\"count\"->count)"
          }
        ]
      },
      {        "name": "batch.sql",        "params": [
          {            "sql": "select scriptTable.tp,scriptTable.count,test2.city,test2.name  from scriptTable,test2 limit 100",            "outputTableName": "finalOutputTable"
          }
        ]
      },
      {        "name": "batch.outputs",        "params": [
          {            "format": "json",            "path": "file:///tmp/kk2",            "inputTableName": "finalOutputTable"
          },
          {            "format": "parquet",            "path": "file:///tmp/kk3",            "inputTableName": "finalOutputTable"
          }
        ]
      }
    ],    "configParams": {
    }
  }
}

在 batch.sql 里你可以引用任何一个源的表，或者之前已经在batch.sql里申明的outputTable, 同理batch.script。 而在batch.outputs里，你则可以将任何一张表写入到MySQL,ES,HDFS等文件存储系统中。

将配置文件保存一下，然后就可以启动了：

SHome=/Users/allwefantasy/streamingpro
./bin/spark-submit   --class streaming.core.StreamingApp \
--master local[2] \
--name test \$SHome/streamingpro-0.4.8-SNAPSHOT-online-1.6.1.jar    \
-streaming.name test    \
-streaming.platform spark \
-streaming.job.file.path file://$SHome/batch.json

作者：祝威廉
链接：https://www.jianshu.com/p/f5aa31a2f905