• TiSpark 快速入门指南
    • 部署信息
    • 环境准备
      • 在 TiDB 实例上安装 JDK
      • 导入样例数据
    • 使用范例

    TiSpark 快速入门指南

    为了让大家快速体验 TiSpark，通过 TiDB-Ansible 安装的 Pre-GA 或 master 版本 TiDB 集群中默认已集成 Spark、TiSpark jar 包及 TiSpark sample data。

    部署信息

    • 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：

      spark/jars/tispark-0.1.0-beta-SNAPSHOT-jar-with-dependencies.jar

    • TiSpark sample data 及导入脚本默认部署在 TiDB-Ansible 目录下：

      tidb-ansible/resources/bin/tispark-sample-data

    环境准备

    在 TiDB 实例上安装 JDK

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

    导入样例数据

    假设 TiDB 集群已启动，其中一台 TiDB 实例服务 IP 为 192.168.0.2，端口为 4000，用户名为 root, 密码为空。

    1. cd tidb-ansible/resources/bin/tispark-sample-data

    修改 sample_data.sh 中 TiDB 登录信息，比如：

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

    执行脚本

    1. ./sample_data.sh

    执行脚本的机器上需要安装 MySQL client，CentOS 用户可通过 yum -y install mysql来安装。

    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
    2. MySQL [(none)]> show databases;
    3. +--------------------+
    4. | Database           |
    5. +--------------------+
    6. | INFORMATION_SCHEMA |
    7. | PERFORMANCE_SCHEMA |
    8. | TPCH_001           |
    9. | mysql              |
    10. | test               |
    11. +--------------------+
    12. 5 rows in set (0.00 sec)
    14. MySQL [(none)]> use TPCH_001
    15. Reading table information for completion of table and column names
    16. You can turn off this feature to get a quicker startup with -A
    18. Database changed
    19. MySQL [TPCH_001]> show tables;
    20. +--------------------+
    21. | Tables_in_TPCH_001 |
    22. +--------------------+
    23. | CUSTOMER           |
    24. | LINEITEM           |
    25. | NATION             |
    26. | ORDERS             |
    27. | PART               |
    28. | PARTSUPP           |
    29. | REGION             |
    30. | SUPPLIER           |
    31. +--------------------+
    32. 8 rows in set (0.00 sec)

    使用范例

    假设您的 PD 节点 IP 为 192.168.0.2，端口 2379, 先进入 spark 部署目录启动 spark-shell:

    1. $ cd spark
    2. $ bin/spark-shell
    1. scala> import org.apache.spark.sql.TiContext
    2. scala> val ti = new TiContext(spark)
    4. // Mapping all TiDB tables from `TPCH_001` database as Spark SQL tables
    5. scala> ti.tidbMapDatabase("TPCH_001")

    之后您可以直接调用 Spark SQL:

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

    结果为

    1. +--------+
    2. |count(1)|
    3. +--------+
    4. |   60175|
    5. +--------+

    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.         |   l_linestatus
    23.       """.stripMargin).show

    结果为：

    1. +------------+------------+---------+--------------+--------------+
    2. |l_returnflag|l_linestatus|  sum_qty|sum_base_price|sum_disc_price|
    3. +------------+------------+---------+--------------+--------------+
    4. |           A|           F|380456.00|  532348211.65|505822441.4861|
    5. |           N|           F|  8971.00|   12384801.37| 11798257.2080|
    6. |           N|           O|742802.00| 1041502841.45|989737518.6346|
    7. |           R|           F|381449.00|  534594445.35|507996454.4067|
    8. +------------+------------+---------+--------------+--------------+
    9. (续)
    10. -----------------+---------+------------+--------+-----------+
    11.        sum_charge|  avg_qty|   avg_price|avg_disc|count_order|
    12. -----------------+---------+------------+--------+-----------+
    13.  526165934.000839|25.575155|35785.709307|0.050081|      14876|
    14.   12282485.056933|25.778736|35588.509684|0.047759|        348|
    15. 1029418531.523350|25.454988|35691.129209|0.049931|      29181|
    16.  528524219.358903|25.597168|35874.006533|0.049828|      14902|
    17. -----------------+---------+------------+--------+-----------+

    更多样例请参考 https://github.com/ilovesoup/tpch/tree/master/sparksql 。