sql >> Base de Datos >  >> RDS >> Mysql

¿Cómo convertir una tabla SQL de 500 GB en Apache Parquet?

Apache Spark se puede usar para hacer esto:

1.load your table from mysql via jdbc
2.save it as a parquet file

Ejemplo:

from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
df = spark.read.jdbc("YOUR_MYSQL_JDBC_CONN_STRING",  "YOUR_TABLE",properties={"user": "YOUR_USER", "password": "YOUR_PASSWORD"})
df.write.parquet("YOUR_HDFS_FILE")