準備工作
讀取文件並轉換爲DataFrame或DataSet
val lineRDD= sc.textFile("hdfs://node-01:9000/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.printSchema
//val personDS = personRDD.toDS
//personDS.show
DSL風格
SparkSQL提供了一個領域特定語言(DSL)以方便操作結構化數據
1.查看name字段的數據
personDF.select(personDF.col("name")).show
personDF.select(personDF("name")).show
personDF.select(col("name")).show
personDF.select("name").show
2.查看 name 和age字段數據
personDF.select("name", "age").show
3.查詢所有的name和age,並將age+1
personDF.select(personDF.col("id"), personDF.col("name"), personDF.col("age") + 1).show
personDF.select(personDF("id"), personDF("name"), personDF("age") + 1).show
personDF.select(col("id"), col("name"), col("age") + 1).show
personDF.select("id","name","age").show
personDF.select($"name",$"age",$"age"+1).show
4.過濾age大於等於25的,使用filter方法過濾
personDF.filter(col("age") >= 25).show
personDF.filter($"age" >25).show
5.統計年齡大於30的人數
personDF.filter(col("age")>30).count()
personDF.filter($"age" >30).count()
6.按年齡進行分組並統計相同年齡的人數
personDF.groupBy("age").count().show
SQL風格
DataFrame的一個強大之處就是我們可以將它看作是一個關係型數據表,然後可以通過在程序中使用spark.sql() 來執行SQL查詢,結果將作爲一個DataFrame返回
如果想使用SQL風格的語法,需要將DataFrame註冊成表,採用如下的方式:
personDF.createOrReplaceTempView("t_person")
spark.sql("select * from t_person").show
1.顯示錶的描述信息
spark.sql("desc t_person").show
2.查詢年齡最大的前兩名
spark.sql("select * from t_person order by age desc limit 2").show
3.查詢年齡大於30的人的信息
spark.sql("select * from t_person where age > 30 ").show
4.使用SQL風格完成DSL中的需求
spark.sql("select name,age+1 from t_person").show
spark.sql("select name,age from t_person where age > 25").show
spark.sql("select count(age) from t_person where age > 30").show
spark.sql("select age, count(age) from t_person group by age").show