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