目錄
一sparkSQL簡介
- 什麼是Spark SQL
Spark SQL是Spark用來處理結構化數據的一個模塊,它提供了一個編程抽象叫做DataFrame並且作爲分佈式SQL查詢引擎的作用。
- 爲什麼要學習Spark SQL
我們已經學習了Hive,它是將Hive SQL轉換成MapReduce然後提交到集羣上執行,大大簡化了編寫MapReduce的程序的複雜性,由於MapReduce這種計算模型執行效率比較慢。所有Spark SQL的應運而生,它是將Spark SQL轉換成RDD,然後提交到集羣執行,執行效率非常快!
1.易整合
2 統一的數據訪問方式
3 兼容Hive
4 標準的數據連接
- 什麼是DataFrames
與RDD類似,DataFrame也是一個分佈式數據容器。然而DataFrame更像傳統數據庫的二維表格,除了數據以外,還記錄數據的結構信息,即schema。同時,與Hive類似,DataFrame也支持嵌套數據類型(struct、array和map)。從API易用性的角度上 看,DataFrame API提供的是一套高層的關係操作,比函數式的RDD API要更加友好,門檻更低。由於與R和Pandas的DataFrame類似,Spark DataFrame很好地繼承了傳統單機數據分析的開發體驗。
在Spark SQL中SQLContext是創建DataFrames和執行SQL的入口,在spark-1.5.2中已經內置了一個sqlContext
二DSL風格應用
- 在本地創建一個文件,有三列,分別是id、name、age,用空格分隔,然後上傳到hdfs上
person.text 文件內容
1 chenzhendong 18
2 chenzhenjia 16
3 chenhaoming 10
上傳到 hdfs
hdfs dfs -put person.txt /
- 啓動sparkShell
/usr/spark-2.4.3/bin/spark-shell master spark://hadoop1.com:7077 executor-memory 512m --total-executor-cores 1
sparksql常用方法
val lineRDD = sc.textFile("hdfs://hadoop1.com:9000/person.txt").map(_.split(" "))
case class Person(id:Int, name:String, age:Int)
val personRDD = lineRDD.map(x => Person(x(0).toInt, x(1), x(2).toInt))
val personDF = personRDD.toDF
personDF.show
personDF.select(personDF.col("name")).show //顯示name
personDF.select(col("name"), col("age")).show //顯示name
personDF.select("name").show //顯示name
personDF.printSchema //打印DataFrame的Schema信息
personDF.select(col("id"), col("name"), col("age") + 1).show //查詢所有的name和age,並將age+1
personDF.select(personDF("id"), personDF("name"), personDF("age") + 1).show //col("id")這是選擇這一行的,personDF("name")這是聚合結果
personDF.filter(col("age") >= 18).show //過濾age大於等於18的
personDF.groupBy("age").count().show() //按年齡進行分組並統計相同年齡的人數
spark.sqlContext.sql("select * from t_person order by age desc limit 2").show //查詢年齡最大的前兩名 Spark2.X.X後,想要在Spark-shell中運行這個命令,你需要使用spark.sqlContext.sql()的形式。
三SQL風格語法
personDF.registerTempTable("t_person") //如果想使用SQL風格的語法,需要將DataFrame註冊成表
sqlContext.sql("select * from t_person order by age desc limit 2").show //查詢年齡最大的前兩名
sqlContext.sql("desc t_person").show //顯示錶的Schema信息