sparkmysql排序_spark学习进度26（sparksql编程初级实践）

Spark SQL 基本操作&＃xff1a;

将下列 JSON 格式数据复制到 Linux 系统中&＃xff0c;并保存命名为 employee.json。

{ "id":1 , "name":"Ella" , "age":36}

{"id":2, "name":"Bob","age":29}

{"id":3 , "name":"Jack","age":29}

{"id":4 , "name":"Jim","age":28}

{"id":4 , "name":"Jim","age":28}

{"id":5 , "name":"Damon"}

{"id":5 , "name":"Damon" }

为 employee.json 创建 DataFrame&＃xff0c;并写出 Scala 语句完成下列操作&＃xff1a;

(1) 查询所有数据&＃xff1b;

(2) 查询所有数据&＃xff0c;并去除重复的数据&＃xff1b;

(3) 查询所有数据&＃xff0c;打印时去除 id 字段&＃xff1b;

(4) 筛选出 age>30 的记录&＃xff1b;

(5) 将数据按 age 分组&＃xff1b;

(6) 将数据按 name 升序排列&＃xff1b;

(7) 取出前 3 行数据&＃xff1b;

(8) 查询所有记录的 name 列&＃xff0c;并为其取别名为 username&＃xff1b;

(9) 查询年龄 age 的平均值&＃xff1b;

(10) 查询年龄 age 的最小值。

编程实现将 RDD 转换为 DataFrame &＃xff1a;

源文件内容如下(包含 id,name,age)&＃xff1a;

1,Ella,36

2,Bob,29

3,Jack,29

请将数据复制保存到 Linux 系统中&＃xff0c;命名为 employee.txt&＃xff0c;实现从 RDD 转换得到 DataFrame&＃xff0c;并按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有数据。请写出程序代码。

classwoyesql {

&＃64;Test

def test(): Unit&＃61;{

val spark&＃61;SparkSession.builder()

.appName("datafreame1")

.master("local[6]")

.getOrCreate()

import spark.implicits._

val df&＃61;spark.sparkContext.textFile("dataset/employee.txt").map(_.split(","))

.map(item&＃61;> Employee(item(0).trim.toInt,item(1),item(2).trim.toInt))

.toDF()

df.createOrReplaceTempView("employee")//创工作空间

val dfRDD&＃61;spark.sql("select * from employee")

dfRDD.map(it&＃61;> "id:"&＃43;it(0) &＃43;",name:"&＃43;it(1)&＃43;",age:"&＃43;it(2) )

.show()

}

}case class Employee(id:Int,name:String,age:Long)

编程实现利用 DataFrame 读写 MySQL 的数据&＃xff1a;

(1)在 MySQL 数据库中新建数据库 sparktest&＃xff0c;再创建表 employee&＃xff0c;包含如表 6-2 所示的 两行数据。

(2)配置 Spark 通过 JDBC 连接数据库 MySQL&＃xff0c;编程实现利用 DataFrame 插入如表 6-3 所 示的两行数据到 MySQL 中&＃xff0c;最后打印出 age 的最大值和 age 的总和。

&＃64;Test

def sqlwrite():Unit&＃61;{

val spark&＃61;SparkSession

.builder()

.appName("mysql example")

.master("local[6]")

.getOrCreate()

val schema&＃61;StructType(

List(

StructField("id", IntegerType),

StructField("name", StringType),

StructField("gender", StringType),

StructField("age", IntegerType)

)

)

val studentDF&＃61;spark.read//分隔符&＃xff1a;制表符

.option("delimiter", ",")

.schema(schema)

.csv("dataset/stu")

studentDF.write

.format("jdbc")

.mode(SaveMode.Append)//模式是追加

.option("url", "jdbc:mysql://hadooplinux01:3306/spark02")

.option("dbtable", "employee")

.option("user", "root")

.option("password", "511924")

.save()

spark.read

.format("jdbc")

.option("url", "jdbc:mysql://hadooplinux01:3306/spark02")

.option("dbtable","(select max(age),SUM(age) from employee) as emp")

.option("user", "root")

.option("password", "511924")

.load()

.show()

}

原文&＃xff1a;https://www.cnblogs.com/dazhi151/p/14274789.html