Membaca koleksi MongoDB besar dari Spark dengan bantuan Worker

Ada dua cara untuk mendapatkan data dari MongoDB ke Apache Spark.

Metode 1:Menggunakan Casbah (Lapisan pada Driver Java MongDB)

val uriRemote = MongoClientURI("mongodb://RemoteURL:27017/")
val mongoClientRemote =  MongoClient(uriRemote)
val dbRemote = mongoClientRemote("dbName")
val collectionRemote = dbRemote("collectionName")
val ipMongo = collectionRemote.find
val ipRDD = sc.makeRDD(ipMongo.toList)
ipRDD.saveAsTextFile("hdfs://path/to/hdfs")

Disini kita menggunakan Scala dan Casbah untuk mendapatkan data terlebih dahulu kemudian menyimpannya ke HDFS.

Metode 2:Spark Worker yang kami gunakan

Versi kode yang lebih baik:Menggunakan pekerja Spark dan beberapa inti untuk digunakan untuk mendapatkan data dalam waktu singkat.

val config = new Configuration()
config.set("mongo.job.input.format","com.mongodb.hadoop.MongoInputFormat")
config.set("mongo.input.uri", "mongodb://RemoteURL:27017/dbName.collectionName")
val keyClassName = classOf[Object]
val valueClassName = classOf[BSONObject]
val inputFormatClassName = classOf[com.mongodb.hadoop.MongoInputFormat]
val ipRDD = sc.newAPIHadoopRDD(config,inputFormatClassName,keyClassName,valueClassName)
ipRDD.saveAsTextFile("hdfs://path/to/hdfs")