Wie speichere ich Datenrahmen in Mongodb mit Pyspark?

Eine effiziente Methode, um von Pyspark in Mongodb zu schreiben, ist die Verwendung von MongoDB Spark-Connector . Connector konvertiert die Daten in das BSON-Format und speichert sie in mongodb. Angenommen, Sie haben einen Spark-Datenrahmen namens df, den Sie in Mongodb speichern möchten. Sie können Folgendes versuchen:

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()

Wenn Sie ein Notebook verwenden, schreiben Sie dies oben hin-

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

Wenn Sie den spark-submit-Befehl verwenden:

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