【大家好,我是爱干饭的猿,本文重点介绍DataFrame的组成、DataFrame的代码构建、DataFrame的入门操作、词频统计案例、电影数据分析、SparkSQL Shuffle 分区数目、SparkSQL 数据清洗API、DataFrame数据写出、DataFrame 通过JDBC读写数据库(MySQL示例)
后续会继续分享其他重要知识点总结,如果喜欢这篇文章,点个赞👍,关注一下吧】
上一篇文章:《【SparkSQL】基础入门(重点:SparkSQL和Hive的异同、SparkSQL数据抽象)》
3. DataFrame入门
3.1 DataFrame的组成
DataFrame是一个二维表结构, 那么表格结构就有无法
绕开的三个点:
- 行
- 列
- 表结构描述
比如,在MySQL中的一张表:
- 由许多行组成
- 数据也被分成多个列
- 表也有表结构信息(列、列名、列类型、列约束等)
基于这个前提,DataFrame的组成如下:
- 在结构层面:
- StructType对象描述整个DataFrame的表结构
- StructField对象描述一个列的信息
- 在数据层面
- Row对象记录一行数据
- Column对象记录一列数据并包含列的信息
如图, 在表结构层面,DataFrame的表结构由:
StructType描述,如下图:
一个StructField记录:列名、列类型、列是否运行为空
多个StructField组成一个StructType对象。
一个StructType对象可以描述一个DataFrame:有几个列、每个列的名字和类型、每个列是否为空
同时,一行数据描述为Row对象,如Row(1, 张三, 11)
一列数据描述为Column对象,Column对象包含一列数据和列的信息
3.2 DataFrame的代码构建
1. 基于RDD方式1
DataFrame对象可以从RDD转换而来,都是分布式数据集
其实就是转换一下内部存储的结构,转换为二维表结构
通过SparkSession对象的createDataFrame方法来将RDD转换为DataFrame
这里只传入列名称,类型从RDD中进行推断,是否允许为空默认为允许(True)
# coding:utf8
from pyspark.sql import SparkSession
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 基于RDD转换成DataFrame
rdd = sc.textFile("rent.txt").\
map(lambda x: x.split(",")).\
map(lambda x: (x[0], x[1], int(x[2])))
# 构建DataFrame对象
# 参数1 被转换的RDD
# 参数2 指定列名, 通过list的形式指定, 按照顺序依次提供字符串名称即可
df = spark.createDataFrame(rdd, schema=['address', 'area', 'price'])
# 打印DataFrame的表结构
df.printSchema()
# 打印df中的数据
# 参数1 表示 展示出多少条数据, 默认不传的话是20
# 参数2 表示是否对列进行截断, 如果列的数据长度超过20个字符串长度, 后续的内容不显示以...代替
# 如果给False 表示不阶段全部显示, 默认是True
df.show(20, False)
# 将DF对象转换成临时视图表, 可供sql语句查询
df.createOrReplaceTempView("people")
spark.sql("select * from people where price > 2000").show()
2. 基于RDD方式2
将RDD转换为DataFrame方式2:
通过StructType对象来定义DataFrame的“表结构”转换RDD
# coding:utf8
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 基于RDD转换成DataFrame
rdd = sc.textFile("rent.txt").\
map(lambda x: x.split(",")).\
map(lambda x: (x[0], x[1], int(x[2])))
# 构建表结构的描述对象: StructType对象
schema = StructType().\
add("address", StringType(), nullable=True).\
add("area", StringType(), nullable=True).\
add("price", IntegerType(), nullable=True)
# 基于StructType对象去构建RDD到DF的转换
df = spark.createDataFrame(rdd, schema=schema)
df.printSchema()
df.show()
3. 基于RDD方式3
将RDD转换为DataFrame方式3:
使用RDD的toDF方法转换RDD
# coding:utf8
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 基于RDD转换成DataFrame
rdd = sc.textFile("rent.txt").\
map(lambda x: x.split(",")).\
map(lambda x: (x[0], x[1], int(x[2])))
# 1. toDF的方式构建DataFrame
df1 = rdd.toDF(["address", "area", "price"])
df1.printSchema()
df1.show()
# 2. toDF的方式2 通过StructType来构建
schema = StructType().\
add("address", StringType(), nullable=True).\
add("area", StringType(), nullable=True).\
add("price", IntegerType(), nullable=True)
df2 = rdd.toDF(schema=schema)
df2.printSchema()
df2.show()
4. 基于Pandas的DataFrame
将Pandas的DataFrame对象,转变为分布式的SparkSQL DataFrame对象
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 基于Pandas的DataFrame构建SparkSQL的DataFrame对象
pdf = pd.DataFrame(
{
"id": [1, 2, 3],
"name": ["张大仙", "王晓晓", "吕不为"],
"age": [11, 21, 11]
}
)
df = spark.createDataFrame(pdf)
df.printSchema()
df.show()
5. 读取外部数据-test
读取text数据源
使用format(“text”)读取文本数据
读取到的DataFrame只会有一个列,列名默认称之为:value
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 构建StructType, text数据源, 读取数据的特点是, 将一整行只作为`一个列`读取, 默认列名是value 类型是String
schema = StructType().\
add("data", StringType(), nullable=True)
df = spark.read.format("text").schema(schema=schema).load("rent.txt")
df.printSchema()
df.show()
6. 读取外部数据-json
读取json数据源
使用format(“json”)读取json数据
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# JSON类型自带有Schema信息
df = spark.read.format("json").load("rent.json")
df.printSchema()
df.show()
7. 读取外部数据-csv
读取csv数据源
使用format(“csv”)读取csv数据
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 读取csv文件
df = spark.read.format("csv").\
option("sep", ",").\
option("header", True).\
option("encoding", "utf-8").\
schema("address STRING, area STRING, price INT").\
load("rent.csv")
df.printSchema()
df.show()
8. 读取外部数据-parquet
parquet: 是Spark中常用的一种列式存储文件格式,和Hive中的ORC差不多, 他俩都是列存储格式
parquet对比普通的文本文件的区别:
- parquet 内置schema (列名\ 列类型\ 是否为空)
- 存储是以列作为存储格式
- 存储是序列化存储在文件中的(有压缩属性体积小)
pycharm查看parquet文件插件:Avro and Parquet Viewer
读取parquet数据源
使用format(“parquet”)读取parquet数据
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# 读取parquet类型的文件
df = spark.read.format("parquet").load("rent.parquet")
df.printSchema()
df.show()
3.3 DataFrame的入门操作
DataFrame支持两种风格进行编程,分别是:
- DSL风格
- SQL风格
-
DSL语法风格
DSL称之为:领域特定语言。
其实就是指DataFrame的特有API
DSL风格意思就是以调用API的方式来处理Data
比如:df.where().limit() -
SQL语法风格
SQL风格就是使用SQL语句处理DataFrame的数据
比如:spark.sql(“SELECT * FROM xxx)
1. DSL风格代码演示
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
df = spark.read.format("csv").\
schema("address STRING, area STRING, price INT").\
load("rent.txt")
# Column对象的获取
address_column = df['address']
price_column = df['price']
# TODO: DLS风格演示
df.select(["address", "price"]).show()
df.select("address", "price").show()
df.select(address_column, price_column).show()
# 1. filter API
df.filter("price > 2500").show()
df.filter(df['price'] > 2500).show()
# 2. where API
df.where("price > 2500").show()
df.where(df['price']> 2500).show()
# 3. group By API
df.groupBy("address").count().show()
df.groupBy(df['address']).count().show()
# df.groupBy API的返回值 GroupedData
# GroupedData对象 不是DataFrame
# 它是一个 有分组关系的数据结构, 有一些API供我们对分组做聚合
# SQL: group by 后接上聚合: sum avg count min man
# GroupedData 类似于SQL分组后的数据结构, 同样有上述5种聚合方法
# GroupedData 调用聚合方法后, 返回值依旧是DataFrame
# GroupedData 只是一个中转的对象, 最终还是要获得DataFrame的结果
r = df.groupBy("address")
2. SQL风格代码演示
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
df = spark.read.format("csv").\
schema("address STRING, area STRING, price INT").\
load("rent.txt")
# 注册成临时表
df.createTempView("rent") # 注册临时视图(表)
df.createOrReplaceTempView("rent_2") # 注册 或者 替换 临时视图
df.createGlobalTempView("rent_3") # 注册全局临时视图 全局临时视图在使用的时候 需要在前面带上global_temp. 前缀
# 可以通过SparkSession对象的sql api来完成sql语句的执行
spark.sql("SELECT area, COUNT(*) AS cnt FROM rent GROUP BY area").show()
spark.sql("SELECT area, COUNT(*) AS cnt FROM rent_2 GROUP BY area").show()
spark.sql("SELECT area, COUNT(*) AS cnt FROM global_temp.rent_3 GROUP BY area").show()
3.4 词频统计案例
我们来完成一个单词计数需求,使用DSL和SQL两种风格来实现。
# coding:utf8
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, IntegerType, StringType
from pyspark.sql import functions as F
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
getOrCreate()
sc = spark.sparkContext
# words.txt:
# hello hadoop
# hello spark
# hello flink
# TODO 1: SQL 风格进行处理
rdd = sc.textFile("words.txt").\
flatMap(lambda x: x.split(" ")).\
map(lambda x: [x])
df = rdd.toDF(["word"])
# 注册DF为表格
df.createTempView("words")
spark.sql("select word, count(*) as cnt from words group by word order by cnt desc").show()
# TODO 2: DSL 风格处理
df = spark.read.format("text").load("words.txt")
# withColumn方法
# 方法功能: 对已存在的列进行操作, 返回一个新的列, 如果名字和老列相同, 那么替换, 否则作为新列存在
df2 = df.withColumn("value", F.explode(F.split(df["value"], " ")))
df2.groupBy("value").\
count().\
withColumnRenamed("value", "word").\
withColumnRenamed("count", "cnt").\
orderBy("cnt", ascending=False).\
show()
3.5 电影数据分析
MovieLens数据集
MovieLens数据集包含多个用户对多部电影的评级数据,也包括电影元数据信息和用户属性信息。
下载地址: http://files.grouplens.org/datasets/movielens
介绍:下面以ml-10Ok数据集为例进行。
介绍:下载u.data文件。
u.data -由943个用户对1682个电影的10000条评分组成。每个用户至少评分20部电影。用户和电影从1号开始连续编号。数据是随机排序的。
需求:
- 查询用户平均分
- 查询电影平均分
- 查询大于平均分的电影的数量
- 查询高分电影中(>3)打分次数最多的用户,并求出此人打的平均分
- 查询每个用户的平均打分,最低打分,最高打分
- 查询被评分超过100次的电影,的平均分排名TOP10
# coding:utf8
import time
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, StringType, IntegerType
import pandas as pd
from pyspark.sql import functions as F
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
config("spark.sql.shuffle.partitions", 2).\
getOrCreate()
sc = spark.sparkContext
"""
spark.sql.shuffle.partitions 参数指的是, 在sql计算中, shuffle算子阶段默认的分区数是200个.
对于集群模式来说, 200个默认也算比较合适
如果在local下运行, 200个很多, 在调度上会带来额外的损耗
所以在local下建议修改比较低 比如2\4\10均可
这个参数和Spark RDD中设置并行度的参数 是相互独立的.
"""
# 1. 读取数据集
schema = StructType().\
add("user_id", StringType(), nullable=True).\
add("movie_id", IntegerType(), nullable=True).\
add("rank", IntegerType(), nullable=True).\
add("ts", StringType(), nullable=True)
df = spark.read.format("csv").\
option("sep", "\t").\
option("header", False).\
schema(schema=schema).\
load("u.data")
df.printSchema()
# TODO 1: 用户平均分
df.groupBy("user_id").\
avg("rank").\
withColumnRenamed("avg(rank)", "avg_rank").\
withColumn("avg_rank", F.round("avg_rank", 2)).\
orderBy("avg_rank", ascending=False).\
show()
df.createTempView("movie")
spark.sql("select user_id, round(avg(rank), 2) as avg_rank from movie group by user_id").show()
# TODO 2: 电影的平均分查询
df.groupBy("movie_id").\
avg("rank").\
withColumnRenamed("avg(rank)", "avg_rank").\
withColumn("avg_rank", F.round("avg_rank", 2)).\
orderBy("avg_rank", ascending=False).\
show()
spark.sql("select movie_id, round(avg(rank), 2) as avg_rank from movie group by movie_id order by avg_rank desc").show()
# TODO 3: 查询大于平均分的电影的数量 # Row
print("大于平均分电影的数量: {}".format(df.where(df['rank'] > df.select(F.avg(df['rank'])).first()['avg(rank)']).count()))
spark.sql("select count(*) as cnt from movie where rank > (select avg(rank) from movie)").show()
# TODO 4: 查询高分电影中(>3)打分次数最多的用户, 此人打分的平均分
user_id = df.where("rank > 3").\
groupBy("user_id").\
count().\
withColumnRenamed("count", "cnt").\
orderBy("cnt", ascending=False).\
limit(1).\
first()["user_id"]
print("user_id: {}".format(user_id))
df.filter(df["user_id"] == user_id).\
select(F.round(F.avg("rank"), 2)).show()
spark.sql("select movie.user_id, round(avg(rank), 2) as avg_rank from movie, (select user_id from movie where rank > 3 group by user_id order by count(*) desc limit 1) as u where u.user_id == movie.user_id group by movie.user_id").show()
# TODO 5: 查询每个用户的平局打分, 最低打分, 最高打分
df.groupBy("user_id").\
agg(
F.round(F.avg("rank"), 2).alias("avg_rank"),
F.min("rank").alias("min_rank"),
F.max("rank").alias("max_rank")
).orderBy("avg_rank", ascending=False).\
show()
spark.sql("select user_id, round(avg(rank), 2) as avg_rank, min(rank) as min_rank, max(rank) as max_rank from movie group by user_id order by avg_rank desc limit 10").show()
# TODO 6: 查询评分超过100次的电影, 的平均分 排名 TOP10
df.groupBy("movie_id").\
agg(
F.count("movie_id").alias("cnt"),
F.round(F.avg("rank"), 2).alias("avg_rank")
).where("cnt > 100").\
orderBy("avg_rank", ascending=False).\
limit(10).\
show()
spark.sql("select movie_id, count(rank) as cnt, round(avg(rank), 2) as avg_rank from movie group by movie_id having count(rank) > 100 order by avg_rank desc limit 10").show()
# time.sleep(10000) 可以打开spark运行地址查看task任务执行情况 127.0.0.1:4040
"""
1. agg: 它是GroupedData对象的API, 作用是 在里面可以写多个聚合
2. alias: 它是Column对象的API, 可以针对一个列 进行改名
3. withColumnRenamed: 它是DataFrame的API, 可以对DF中的列进行改名, 一次改一个列, 改多个列 可以链式调用
4. orderBy: DataFrame的API, 进行排序, 参数1是被排序的列, 参数2是 升序(True) 或 降序 False
5. first: DataFrame的API, 取出DF的第一行数据, 返回值结果是Row对象.
# Row对象 就是一个数组, 你可以通过row['列名'] 来取出当前行中, 某一列的具体数值. 返回值不再是DF 或者GroupedData 或者Column而是具体的值(字符串, 数字等)
"""
3.6 SparkSQL Shuffle 分区数目
3.7 SparkSQL 数据清洗API
前面我们处理的数据实际上都是已经被处理好的规整数据,但是在大数据整个生产过程中,需要先对数据进行数据清洗,将杂乱无章的数据整理为符合后面处理要求的规整数据。
# coding:utf8
from pyspark.sql import SparkSession
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
config("spark.sql.shuffle.partitions", 2).\
getOrCreate()
sc = spark.sparkContext
"""读取数据"""
df = spark.read.format("csv").\
option("sep", ";").\
option("header", True).\
load("../data/input/sql/people.csv")
# TODO 1: 数据清洗: 数据去重
# dropDuplicates 是DataFrame的API, 可以完成数据去重
# 无参数使用, 对全部的列 联合起来进行比较, 去除重复值, 只保留一条
df.dropDuplicates().show()
df.dropDuplicates(['age', 'job']).show()
# TODO 2: 数据清洗: 缺失值处理
# dropna api是可以对缺失值的数据进行删除
# 无参数使用, 只要列中有null 就删除这一行数据
df.dropna().show()
# thresh = 3表示, 最少满足3个有效列, 不满足 就删除当前行数据
df.dropna(thresh=3).show()
df.dropna(thresh=2, subset=['name', 'age']).show()
# TODO 3: 缺失值处理也可以完成对缺失值进行填充
# DataFrame的 fillna 对缺失的列进行填充
df.fillna("loss").show()
# 指定列进行填充
df.fillna("N/A", subset=['job']).show()
# 设定一个字典, 对所有的列 提供填充规则
df.fillna({"name": "未知姓名", "age": 1, "job": "worker"}).show()
3.8 DataFrame数据写出
SparkSQL统一API写出DataFrame数据
# coding:utf8
import time
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, StringType, IntegerType
import pandas as pd
from pyspark.sql import functions as F
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
config("spark.sql.shuffle.partitions", 2).\
getOrCreate()
sc = spark.sparkContext
# 1. 读取数据集
schema = StructType().add("user_id", StringType(), nullable=True). \
add("movie_id", IntegerType(), nullable=True). \
add("rank", IntegerType(), nullable=True). \
add("ts", StringType(), nullable=True)
df = spark.read.format("csv"). \
option("sep", "\t"). \
option("header", False). \
option("encoding", "utf-8"). \
schema(schema=schema). \
load("u.data")
# 2. Write text 写出, 只能写出一个列的数据, 需要将df转换为单列df
df.select(F.concat_ws("---", "user_id", "movie_id", "rank", "ts")).\
write.\
mode("overwrite").\
format("text").\
save("./sql/text")
# 3. Write csv
df.write.mode("overwrite").\
format("csv").\
option("sep", ";").\
option("header", True).\
save("./sql/csv")
# 4. Write json
df.write.mode("overwrite").\
format("json").\
save("./sql/json")
# 5. Write parquet
df.write.mode("overwrite").\
format("parquet").\
save("./sql/parquet")
3.9 DataFrame 通过JDBC读写数据库(MySQL示例)
读取JDBC 是需要有驱动的,我们读取的是 jdbc:mysql://
这个协议,也就是读取的是mysql的数据,既然如此,就需要有mysql的驱动jar包给spark程序用.
如果不给驱动jar包,会提示:No suitable Driver
-
对于windows系统(使用本地解释器)(以Anaconda环境演示)
将jar包放在: Anaconda3的安装路径下\envs\虚拟环境\Liblsite-packages\pyspark\jars -
对于Linux系统(使用远程解释器执行)(以Anaconda环境演示)
将jar包放在:Anaconda3的安装路径下/envs/虚拟环境/lib/python3.8/site-packages/pyspark/jars
# coding:utf8
import time
from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, StringType, IntegerType
import pandas as pd
from pyspark.sql import functions as F
if __name__ == '__main__':
# 0. 构建执行环境入口对象SparkSession
spark = SparkSession.builder.\
appName("test").\
master("local[*]").\
config("spark.sql.shuffle.partitions", 2).\
getOrCreate()
sc = spark.sparkContext
# 1. 读取数据集
schema = StructType().add("user_id", StringType(), nullable=True). \
add("movie_id", IntegerType(), nullable=True). \
add("rank", IntegerType(), nullable=True). \
add("ts", StringType(), nullable=True)
df = spark.read.format("csv"). \
option("sep", "\t"). \
option("header", False). \
option("encoding", "utf-8"). \
schema(schema=schema). \
load("u.data")
# TODO 1: 写出df到mysql数据库中
df.write.mode("overwrite").\
format("jdbc").\
option("url", "jdbc:mysql://127.0.0.1:3306/python_learn?useSSL=false&useUnicode=true").\
option("dbtable", "movie_date").\
option("user", "root").\
option("password", "123456").\
save()
# TODO 2: 读取MySQL数据
df2 = spark.read.\
format("jdbc").\
option("url", "jdbc:mysql://127.0.0.1:3306/python_learn?useSSL=false&useUnicode=true").\
option("dbtable", "movie_date").\
option("user", "root").\
option("password", "123456").\
load()
df2.printSchema()
df2.show()
"""
JDBC写出, 会自动创建表的.
因为DataFrame中有表结构信息, StructType记录的 各个字段的 名称 类型 和是否运行为空
"""
3.10 总结
- DataFrame 在结构层面上由StructField组成列描述,由StructType构造表描述。在数据层面上,Column对象记录列数据,Row对象记录行数据
- DataFrame可以从RDD转换、Pandas DF转换、读取文件、读取JDBC等方法构建
- spark.read.format()和df.write.format() 是DataFrame读取和写出的统一化标准API
- SparkSQL默认在Shuffle阶段200个分区,可以修改参数获得最好性能
- dropDuplicates可以去重、dropna可以删除缺失值、fillna可以填充缺失值
- SparkSQL支持JDBC读写,可用标准API对数据库进行读写操作