跳到主要内容
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，以及一个支持用于数据分析的通用计算图的优化引擎。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 和用于流处理的 Structured Streaming。

​
文档加载器

​
PySpark

它从 PySpark DataFrame 加载数据。 请参阅使用示例。
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。 请参阅使用示例。
from langchain_community.agent_toolkits import SparkSQLToolkit, create_spark_sql_agent
from langchain_community.utilities.spark_sql import SparkSQL

​
Spark SQL 独立工具

您可以使用 Spark SQL 工具包中的独立工具
  • InfoSparkSQLTool：用于获取 Spark SQL 元数据的工具
  • ListSparkSQLTool：用于获取表名的工具
  • QueryCheckerTool：此工具使用 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
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.