spark學習進度26(spark sql程式設計初級實踐)
阿新 • • 發佈:2021-01-17
Spark SQL 基本操作:
將下列 JSON 格式資料複製到 Linux 系統中,並儲存命名為 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" }
為 employee.json 建立 DataFrame,並寫出 Scala 語句完成下列操作:
(1) 查詢所有資料;
(2) 查詢所有資料,並去除重複的資料;
(3) 查詢所有資料,列印時去除 id 欄位;
(4) 篩選出 age>30 的記錄;
(5) 將資料按 age 分組;
(6) 將資料按 name 升序排列;
(7) 取出前 3 行資料;
(8) 查詢所有記錄的 name 列,併為其取別名為 username;
(9) 查詢年齡 age 的平均值;
(10) 查詢年齡 age 的最小值。
程式設計實現將 RDD 轉換為 DataFrame :
原始檔內容如下(包含 id,name,age):
1,Ella,36 2,Bob,29 3,Jack,29
請將資料複製儲存到 Linux 系統中,命名為 employee.txt,實現從 RDD 轉換得到 DataFrame,並按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有資料。請寫出程式程式碼。
class woyesql { @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")//創工作空間 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)
程式設計實現利用 DataFrame 讀寫 MySQL 的資料:
(1)在 MySQL 資料庫中新建資料庫 sparktest,再建立表 employee,包含如表 6-2 所示的 兩行資料。
(2)配置 Spark 通過 JDBC 連線資料庫 MySQL,程式設計實現利用 DataFrame 插入如表 6-3 所 示的兩行資料到 MySQL 中,最後打印出 age 的最大值和 age 的總和。
@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:製表符 .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() }