powershell - 使用databricks在adls gen2中导入表数据并保存为json文档

Question

我正在使用以下代码从 sql server 表生成 json 结果集。

电源外壳：

$InstanceName = "SQLTEST1\ENG_TST1"
$connectionString = "Server=$InstanceName;Database=dbadb;Integrated Security=True;"

$query = "SELECT * FROM dbo.sales"

$connection = New-Object System.Data.SqlClient.SqlConnection
$connection.ConnectionString = $connectionString

$connection.Open()
$command = $connection.CreateCommand()
$command.CommandText = $query

$result = $command.ExecuteReader()

$table = new-object "System.Data.DataTable"

$table.Load($result)

$table | select $table.Columns.ColumnName | ConvertTo-Json

$connection.Close()

您能否指导我使用 Azure Databricks 在 Azure Data Lake Storage Gen2 中存储 json 文档。

Answer 1

如果要在 Azure Databricks 中将文件保存到 Azure Data Lake gen2，请参考以下步骤

1. 创建 Azure Data Lake Storage Gen2 帐户。

az login
az storage account create \
    --name <account-name> \
    --resource-group <group name> \
    --location westus \
    --sku Standard_RAGRS \
    --kind StorageV2 \
    --enable-hierarchical-namespace true

2. 创建服务主体并将 Storage Blob Data Contributor 分配给 Data Lake Storage Gen2 存储帐户范围内的 sp

az login

az ad sp create-for-rbac -n "MyApp" --role "Storage Blob Data Contributor" \
    --scopes /subscriptions/<subscription>/resourceGroups/<resource-group>/providers/Microsoft.Storage/storageAccounts/<storage-account>

3. 在 Azure Databricks 中创建 Spark 群集

4. 在 Azure databricks(python) 中装载 Azure 数据湖 gen2

configs = {"fs.azure.account.auth.type": "OAuth",
       "fs.azure.account.oauth.provider.type": "org.apache.hadoop.fs.azurebfs.oauth2.ClientCredsTokenProvider",
       "fs.azure.account.oauth2.client.id": "<appId>",
       "fs.azure.account.oauth2.client.secret": "<clientSecret>",
       "fs.azure.account.oauth2.client.endpoint": "https://login.microsoftonline.com/<tenant>/oauth2/token",
       "fs.azure.createRemoteFileSystemDuringInitialization": "true"}

dbutils.fs.mount(
source = "abfss://<container-name>@<storage-account-name>.dfs.core.windows.net/folder1",
mount_point = "/mnt/flightdata",
extra_configs = configs)

4. 将 json 保存到 Azure Data Lake Gen2

dbutils.fs.put("/mnt/flightdata/<file name>", """
<json string>
""", True)

Answer 2

您可以根据需要使用df.write.json API写入任何特定位置。

句法：df.write.json('location where you want to save the json file')

例子：df.write.json("abfss://<file_system>@<storage-account-name>.dfs.core.windows.net/iot_devices.json")

以下是使用 Azure Databricks 将 JSON 文档保存到 Azure Data Lake Gen2 的步骤。

Step1：您可以使用spark.read.jsonAPI 读取 json 文件并创建数据框。

Step2：可以使用以下文档中的说明将 blob 存储位置安装到 databricks dbfs 目录

https://docs.microsoft.com/en-us/azure/databricks/data/data-sources/azure/azure-datalake-gen2

Step3：然后使用df.write.jsonAPI​​写入挂载点，挂载点会写入blob存储

有关更多详细信息，请参阅以下文章：

Azure Databricks – JSON 文件

示例笔记本： https ://docs.microsoft.com/en-us/azure/databricks/_static/notebooks/adls-passthrough-gen2.html