跳到主要内容
Open on GitHub

Spark

Apache Spark 是一个用于大规模数据处理的统一分析引擎。它提供 Scala、Java、Python 和 R 的高级 API，以及一个优化的引擎，支持用于数据分析的通用计算图。它还支持一套丰富的高级工具，包括用于 SQL 和 DataFrames 的 Spark SQL、用于 pandas 工作负载的 pandas API on Spark、用于机器学习的 MLlib、用于图处理的 GraphX 以及用于流处理的 Structured Streaming。

文档加载器​

PySpark​

它从 PySpark DataFrame 加载数据。

查看使用示例。

from langchain_community.document_loaders import PySparkDataFrameLoader

工具/工具包​

Spark SQL 工具包​

用于与 Spark SQL 交互的工具包。

查看使用示例。

from langchain_community.agent_toolkits import SparkSQLToolkit, create_spark_sql_agent
from langchain_community.utilities.spark_sql import SparkSQL

Spark SQL 单独工具​

您可以使用 Spark SQL 工具包中的单独工具

  • InfoSparkSQLTool: 用于获取有关 Spark SQL 元数据的工具
  • ListSparkSQLTool: 用于获取表名的工具
  • QueryCheckerTool: 工具使用 LLM 检查查询是否正确
  • QuerySparkSQLTool: 用于查询 Spark SQL 的工具
from langchain_community.tools.spark_sql.tool import InfoSparkSQLTool
from langchain_community.tools.spark_sql.tool import ListSparkSQLTool
from langchain_community.tools.spark_sql.tool import QueryCheckerTool
from langchain_community.tools.spark_sql.tool import QuerySparkSQLTool

此页是否对您有帮助？