話不多說,直接代碼。概念還是spark sql中的概念。
方式一:使用java反射來推斷RDD元數據
從文本文件拿到RDD對象->利用反射機制將RDD轉換爲DataFrame->註冊爲一個臨時表->執行sql語句->再次轉換爲RDD->將RDD中的數據進行映射->收集數據
先創建一個實體類:Student.java
public class Student implements Serializable {
private int id;
private String name;
private int age;
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public int getAge() {
return age;
}
public void setAge(int age) {
this.age = age;
}
@Override
public String toString() {
return "Student{" +
"id=" + id +
", name='" + name + '\'' +
", age=" + age +
'}';
}
}
public static void main(String[] args) {
SparkConf conf = new SparkConf().setAppName("RDD2DataFrameReflection").setMaster("local");
JavaSparkContext sc = new JavaSparkContext(conf);
sc.setLogLevel("ERROR");
SQLContext sqlContext = new SQLContext(sc);
JavaRDD<String> lines = sc.textFile("C:\\Users\\84407\\Desktop\\student.txt");
JavaRDD<Student> students = lines.map((Function<String, Student>) line -> {
String[] lineSplited = line.split(",");
Student student = new Student();
student.setId(Integer.parseInt(lineSplited[0].trim()));
student.setAge(Integer.parseInt(lineSplited[2].trim()));
student.setName(lineSplited[1].trim());
return student;
});
/**
* 使用反射方式,將RDD轉換爲DataFrame
* 將student.class 傳入進去,其實就是用反射的方式來創建DataFrame
* 因爲Student.class本身就是反射的一個應用
* 然後底層還得通過對Student.class進行反射,來獲取其中的field
* 這裏要求,JavaBean必須實現Serializable接口,可序列化
*/
DataFrame studentDF = sqlContext.createDataFrame(students,Student.class);
/**
* 拿到一個DataFrame之後,就可以將其註冊爲一個臨時表,然後針對其中的數據執行sql語句
*/
studentDF.registerTempTable("students");
/**
* 針對students 臨時表執行sql語句,查詢年齡小於等於18歲的學生,就是excellent
*/
DataFrame excellentDF = sqlContext.sql("select * from students where age <= 18");
/**
* 將查詢出來的DataFrame ,再次轉換爲RDD
*/
JavaRDD<Row> excellentRDD = excellentDF.javaRDD();
/**
* 將RDD中的數據進行映射,映射爲Student
*/
JavaRDD<Student> excellentStudentRDD = excellentRDD.map((Function<Row, Student>) row -> {
//row 中的數據的順序,可能和我們期望的不一樣
Student student = new Student();
student.setAge((Integer) row.get(0));
student.setId(row.getInt(1));
student.setName(row.getString(2));
return student;
});
/**
* 將數據collect回來,然後打印
*/
List<Student> studentList = excellentStudentRDD.collect();
for (Student stu:studentList){
System.out.println(stu);
}
}
執行結果:
Student{id=1, name='FantJ', age=18}
Student{id=2, name='Fantj2', age=18}
Student{id=3, name='Fantj3', age=18}
Student{id=4, name='FantJ4', age=18}
Student{id=5, name='FantJ5', age=18}
Student{id=6, name='FantJ6', age=18}
方式二:通過編程接口來創建DF:在程序中構建元數據
從文本中拿到JavaRDD<Row> --> 動態構造元數據 --> 將RDD轉換成DF --> 註冊臨時表 --> 執行sql --> 收集數據
public static void main(String[] args) {
/**
* 創建sparkConf、javaSparkContext、SqlContext
*/
SparkConf conf = new SparkConf().setAppName("RDD2DataFrameProgrammatically").setMaster("local");
JavaSparkContext sc = new JavaSparkContext(conf);
SQLContext sqlContext = new SQLContext(sc);
/**
* 第一步:創建一個普通的,但是必須將其轉換成RDD<row>的形式
*/
JavaRDD<String> lines = sc.textFile("C:\\Users\\84407\\Desktop\\student.txt");
JavaRDD<Row> studentRDD = lines.map(new Function<String, Row>() {
@Override
public Row call(String line) {
String[] split = line.split(",");
return RowFactory.create(Integer.valueOf(split[0]), String.valueOf(split[1]), Integer.valueOf(split[2]));
}
});
/**
* 第二步:動態構造元數據
* 字段的數據可能都是在程序運行中才能知道其類型
* 所以我們需要用編程的方式來動態構造元數據
*/
List<StructField> structFields = new ArrayList<>();
structFields.add(DataTypes.createStructField("id",DataTypes.IntegerType,true));
structFields.add(DataTypes.createStructField("name",DataTypes.StringType,true));
structFields.add(DataTypes.createStructField("age",DataTypes.IntegerType,true));
StructType structType = DataTypes.createStructType(structFields);
/**
* 第三步:將RDD轉換成DF
*/
DataFrame studentDF = sqlContext.createDataFrame(studentRDD, structType);
studentDF.registerTempTable("students");
DataFrame excellentDF = sqlContext.sql("select * from students where name='FantJ'");
List<Row> rows = excellentDF.collectAsList();
for (Row row:rows){
System.out.println(row);
}
}
執行結果:
[1,FantJ,18]
總結
方式一和方式二最大的區別在哪呢,通俗點說就是獲取字段類型的手段不同。
方式一通過java反射,但是要有javabean當字段模版。
方式二通過手動編碼設置line的split對象的每個數據段的類型,不用創建javabean。