TiSpark 快速上手

    为了让大家快速体验 TiSpark，通过 TiUP 安装的 TiDB 集群中默认已集成 Spark 和 TiSpark jar 包。

    • Spark 默认部署在 TiDB 实例部署目录下 spark 目录中
    • TiSpark jar 包默认部署在 Spark 部署目录 jars 文件夹下：

    • TiSpark 示例数据和导入脚本可点击 下载。

    在 Oracle JDK 官方下载页面下载 JDK 1.8 当前最新版，本示例中下载的版本为 jdk-8u141-linux-x64.tar.gz。

    解压并根据您的 JDK 部署目录设置环境变量，编辑 ~/.bashrc 文件，比如：

    1. export JAVA_HOME=/home/pingcap/jdk1.8.0_144 &&
    2. export PATH=$JAVA_HOME/bin:$PATH

    验证 JDK 有效性：

    1. java -version
    1. java version "1.8.0_144"
    2. Java(TM) SE Runtime Environment (build 1.8.0_144-b01)
    3. Java HotSpot(TM) 64-Bit Server VM (build 25.144-b01, mixed mode)

    导入样例数据

    1. wget http://download.pingcap.org/tispark-sample-data.tar.gz && \
    2. tar -zxvf tispark-sample-data.tar.gz && \
    3. cd tispark-sample-data

    修改 sample_data.sh 中 TiDB 登录信息，比如：

    1. mysql --local-infile=1 -h 192.168.0.2 -P 4000 -u root < dss.ddl

    执行脚本

    登录 TiDB 并验证数据包含 TPCH_001 库及以下表：

    1. mysql -uroot -P4000 -h192.168.0.2
    1. show databases;
    1. +--------------------+
    2. | Database           |
    3. +--------------------+
    4. | INFORMATION_SCHEMA |
    5. | PERFORMANCE_SCHEMA |
    6. | mysql              |
    7. | test               |
    9. 5 rows in set (0.00 sec)
    1. use TPCH_001;
    1. Reading table information for completion of table and column names
    2. You can turn off this feature to get a quicker startup with -A
    4. Database changed
    1. +--------------------+
    2. | Tables_in_TPCH_001 |
    3. +--------------------+
    4. | CUSTOMER           |
    5. | LINEITEM           |
    6. | NATION             |
    7. | ORDERS             |
    8. | PART               |
    9. | PARTSUPP           |
    10. | REGION             |
    11. | SUPPLIER           |
    12. +--------------------+
    13. 8 rows in set (0.00 sec)
    1. cd spark &&
    2. bin/spark-shell

    然后像使用原生 Spark 一样查询 TiDB 表：

    1. scala> spark.sql("select count(*) from lineitem").show

    结果为

    1. |count(1)|
    2. +--------+
    4. +--------+

    下面执行另一个复杂一点的 Spark SQL:

    1. scala> spark.sql(
    2.       """select
    3.         |   l_returnflag,
    4.         |   l_linestatus,
    5.         |   sum(l_quantity) as sum_qty,
    6.         |   sum(l_extendedprice) as sum_base_price,
    7.         |   sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
    8.         |   sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
    9.         |   avg(l_quantity) as avg_qty,
    10.         |   avg(l_extendedprice) as avg_price,
    11.         |   avg(l_discount) as avg_disc,
    12.         |   count(*) as count_order
    13.         |from
    14.         |   lineitem
    15.         |where
    16.         |   l_shipdate <= date '1998-12-01' - interval '90' day
    17.         |group by
    18.         |   l_returnflag,
    19.         |   l_linestatus
    20.         |order by
    21.         |   l_returnflag,
    22.       """.stripMargin).show

    结果为：

    更多样例请参考 pingcap/tispark-test