pyspark - 我们如何使用 jdbc 执行联接查询，而不是使用 pyspark 获取多个表

Question

客户 - c_id、c_name、c_address产品 - p_id、p_name、价格供应商 - s_id、s_name、s_address订单 - o_id、c_id、p_id、数量、时间

SELECT o.o_id,
       c.c_id,
       c.c_name,
       p.p_id,
       p.p_name,
       p.price * o.quantity AS amount
FROM customer c
JOIN orders o ON o.c_id = c.c_id
JOIN product p ON p.p_id = o.p_id;

我想执行上述查询，而不需要在 pyspark 中获取 3 个表作为单独的数据帧并对数据帧执行联接。

Answer 1

您可以使用查询代替表，如下所述

引用PySpark Documentation

df = spark.read.jdbc(
        "url", "(query) as table", 
        properties={"user":"username", "password":"password"})

在您的情况下，它将是:

df = spark.read.jdbc("url", """
    (
        SELECT o.o_id,
            c.c_id,
            c.c_name,
            p.p_id,
            p.p_name,
            p.price * o.quantity AS amount
            FROM customer c
            JOIN orders o ON o.c_id = c.c_id
            JOIN product p ON p.p_id = o.p_id
    ) as table""", properties={"user":"username", "password":"password"})

这个answer使用这种类型的查询来代替表。还有这个question与您的情况相关