Ефикасен начин за запис в mongodb от pyspark е да използвате MongoDB Spark Connector . Connector ще преобразува данните във формат BSON и ще ги запише в mongodb. Да приемем, че имате spark dataframe с име df, който искате да запишете в mongodb. Можете да опитате:
from pyspark.sql import SparkSession, SQLContext
from pyspark import SparkConf, SparkContext
sc = SparkContext()
spark = SparkSession(sc)
df.write.format("com.mongodb.spark.sql.DefaultSource").mode("append").option("spark.mongodb.output.uri","mongodb://username:[email protected]_details:27017/db_name.collection_name?authSource=admin").save()
Ако използвате бележник, напишете това най-отгоре-
%%configure
{"conf": {"spark.jars.packages": "org.mongodb.spark:mongo-spark-connector_2.11:2.3.2"}}
Ако използвате командата spark-submit:
spark-submit --conf spark.pyspark.python=/usr/bin/anaconda/envs/py35/bin/python3.5 --packages org.mongodb.spark:mongo-spark-connector_2.11:2.3.1 file_name.py