SparkSparkSQL概述
2025-04-22 14:36
使用Spark计算引擎访问表格存储时，您可以通过E-MapReduce SQL或者DataFrame编程方式对表格存储中数据进行复杂的计算和高效的分析。 应用场景
使用Spark计算引擎访问表格存储时，您可以通过E-MapReduce SQL或者DataFrame编程方式对表格存储中数据进行复杂的计算和高效的分析。 应用场景
使用Spark计算引擎访问表格存储时，您需要了解Spark数据类型、Scala中的值类型、表格存储中多元索引数据类型和表格存储表中数据类型的对应关系。使用过程中请确保Spark、Scala和表格存储中字段或值的数据类型相匹配。 基础数据类型 基础数据类型的支持情况
通过在E-MapReduce集群中使用Spark2访问表格存储。对于批计算，Tablestore on Spark提供索引选择、分区裁剪、Projection列和Filter下推、动态指定分区大小等功能，利用表格存储的全局二级索引或者多元索引可以加速查询。
通过在E-MapReduce集群中使用Spark SQL访问表格存储。对于流计算，基于通道服务，利用CDC（数据变更捕获）技术完成Spark的mini batch流式消费和计算，同时提供了at-least-once一致性语义。 前提条件 已创建
本文介绍如何通过开源大数据平台 EMR（E-MapReduce）控制台，快速创建一个
本文介绍如何在开源大数据平台 EMR（E-MapReduce）集群上，使用Spark3将
使用Spark的DataFrame方式访问表格存储，并在本地和集群上分别进行运行调试。 前提条件 了解Spark访
使用Spark的DataFrame方式访问表格存储，并在本地和集群上分别进行运行调试。 前提条件 了解Spark访
批计算中的多元索引查询方式支持自定义谓词下推配置。目前只能设置与Long、String类型的列做大小比较的谓词是否下推。 背景信息 谓词下推适用于当多元索引中多字段过滤的中间结果数据量较大，中间结果的合并较为耗时的场景
本文介绍了对接Structured Streaming微批模式的过程以及表格存储对接Spark Structured Streaming的详细接入流程。 背景信息 在对接Spark Structured Streaming的微批模式