Spark SQL 基本操作:
将下列 JSON 格式数据复制到 Linux 系统中,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,并写出 Scala 语句完成下列操作:
(1) 查询所有数据;
(2) 查询所有数据,并去除重复的数据;
(3) 查询所有数据,打印时去除 id 字段;
(4) 筛选出 age>30 的记录;
(5) 将数据按 age 分组;
(6) 将数据按 name 升序排列;
(7) 取出前 3 行数据;
(8) 查询所有记录的 name 列,并为其取别名为 username;
(9) 查询年龄 age 的平均值;
(10) 查询年龄 age 的最小值。
编程实现将 RDD 转换为 DataFrame :
源文件内容如下(包含 id,name,age):
1,Ella,36
2,Bob,29
3,Jack,29
请将数据复制保存到 Linux 系统中,命名为 employee.txt,实现从 RDD 转换得到 DataFrame,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 {
@Test
def test(): Unit={
val spark=SparkSession.builder()
.appName("datafreame1")
.master("local[6]")
.getOrCreate()
import spark.implicits._
val df=spark.sparkContext.textFile("dataset/employee.txt").map(_.split(","))
.map(item=> Employee(item(0).trim.toInt,item(1),item(2).trim.toInt))
.toDF()
df.createOrReplaceTempView("employee")//创工作空间
val dfRDD=spark.sql("select * from employee")
dfRDD.map(it=> "id:"+it(0) +",name:"+it(1)+",age:"+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:
(1)在 MySQL 数据库中新建数据库 sparktest,再创建表 employee,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,编程实现利用 DataFrame 插入如表 6-3 所 示的两行数据到 MySQL 中,最后打印出 age 的最大值和 age 的总和。
@Test
def sqlwrite():Unit={
val spark=SparkSession
.builder()
.appName("mysql example")
.master("local[6]")
.getOrCreate()
val schema=StructType(
List(
StructField("id", IntegerType),
StructField("name", StringType),
StructField("gender", StringType),
StructField("age", IntegerType)
)
)
val studentDF=spark.read//分隔符: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:https://www.cnblogs.com/dazhi151/p/14274789.html