bash - 有没有办法直接将 parquet 文件中的数据插入 PostgreSQL 数据库?
问题描述
我正在尝试恢复一些以镶木地板格式保存的历史备份文件,我想从中读取一次并将数据写入 PostgreSQL 数据库。
我知道备份文件是使用 spark 保存的,但是对我有一个严格的限制,即我不能在数据库机器中安装 spark 或在远程设备中使用 spark 读取 parquet 文件并使用spark_df.write.jdbc
. 一切都需要在数据库机器上发生,并且在没有 spark 和 Hadoop 的情况下,只使用 Postgres 和 Bash 脚本。
我的文件结构类似于:
foo/
foo/part-00000-2a4e207f-4c09-48a6-96c7-de0071f966ab.c000.snappy.parquet
foo/part-00001-2a4e207f-4c09-48a6-96c7-de0071f966ab.c000.snappy.parquet
foo/part-00002-2a4e207f-4c09-48a6-96c7-de0071f966ab.c000.snappy.parquet
..
..
我希望从每个 parquet 文件夹中读取数据和模式,例如foo
,使用该模式创建一个表并将数据写入成形表,仅使用 bash 和 Postgres CLI。
解决方案
您可以使用 spark 并将 parquet 文件转换为 csv 格式,然后将文件移动到数据库机器并通过任何工具导入它们。
spark.read.parquet("...").write.csv("...")
import pandas as pd
df = pd.read_csv('mypath.csv')
df.columns = [c.lower() for c in df.columns] #postgres doesn't like capitals or spaces
from sqlalchemy import create_engine
engine = create_engine('postgresql://username:password@localhost:5432/dbname')
df.to_sql("my_table_name", engine)
推荐阅读
- python - 将 Excel 中定义的自定义样式与 openxyl 一起使用
- javascript - Reactjs 显示动态值
- vb6 - 错误:无法激活控件“VB.userControl”。此控件可能与您的应用程序不兼容
- javascript - 如何使用 Greasemonkey 更改/删除此内联 javascript?
- javascript - 仅当该部分不是视口时,如何使图像粘在底部?
- ios - 当我的应用程序在 swift 中工作时如何获取屏幕截图?
- .net-core - DotNetCore:生成 RSA 私钥/公钥
- java - 使用 Spring Data MongoDB 获取 mongo DB 对象
- java - Eclipse SWT:启用垂直滚动时无法滚动文本
- vue.js - 如果我的验证失败,如何停止输入事件?