Istnieją dwa sposoby na pobranie danych z MongoDB do Apache Spark.
Metoda 1:Korzystanie z Casbah (warstwa sterownika Java MongDB)
val uriRemote = MongoClientURI("mongodb://RemoteURL:27017/")
val mongoClientRemote = MongoClient(uriRemote)
val dbRemote = mongoClientRemote("dbName")
val collectionRemote = dbRemote("collectionName")
val ipMongo = collectionRemote.find
val ipRDD = sc.makeRDD(ipMongo.toList)
ipRDD.saveAsTextFile("hdfs://path/to/hdfs")
Tutaj używamy Scali i Casbah, aby najpierw pobrać dane, a następnie zapisać je w HDFS.
Metoda 2:Spark Worker do naszego użytku
Lepsza wersja kodu:Korzystanie z narzędzia Spark i wielu rdzeni do użycia w celu uzyskania danych w krótkim czasie.
val config = new Configuration()
config.set("mongo.job.input.format","com.mongodb.hadoop.MongoInputFormat")
config.set("mongo.input.uri", "mongodb://RemoteURL:27017/dbName.collectionName")
val keyClassName = classOf[Object]
val valueClassName = classOf[BSONObject]
val inputFormatClassName = classOf[com.mongodb.hadoop.MongoInputFormat]
val ipRDD = sc.newAPIHadoopRDD(config,inputFormatClassName,keyClassName,valueClassName)
ipRDD.saveAsTextFile("hdfs://path/to/hdfs")
