Skip to main content
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。它提供了 Scala、Java、Python 和 R 的高级 API，以及一个支持用于数据分析的通用计算图的优化引擎。它还支持丰富的更高级别的工具，包括用于 SQL 和 DataFrame 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。

Document loaders​

PySpark​

它从 PySpark DataFrame 加载数据。

请参阅 用法示例。

from langchain_community.document_loaders import PySparkDataFrameLoader

Tools/Toolkits​

Spark SQL toolkit​

用于与 Spark SQL 交互的工具包。

请参阅 用法示例。

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

Spark SQL individual tools​

您可以从 Spark SQL Toolkit 使用独立的工具：

  • InfoSparkSQLTool：用于获取 Spark SQL 元数据的工具
  • ListSparkSQLTool：用于获取表名的工具
  • QueryCheckerTool：使用 LLM 检查查询是否正确的工具
  • 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