jak zapisać dataframe w mongodb za pomocą pyspark?

Wydajnym sposobem na pisanie do mongodb z pyspark jest użycie MongoDB Złącze zapłonowe . Connector przekonwertuje dane do formatu BSON i zapisze je w mongodb. Załóżmy, że masz ramkę danych Spark o nazwie df, którą chcesz zapisać w mongodb. Możesz spróbować:

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()

Jeśli używasz notebooka, napisz to na górze-

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

Jeśli używasz polecenia spark-submit:

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