SparkSQL中DataFrame Operations操作（select、filter、groupBy、count）

注意：此处用的spark version 1.6.0，版本不同，SparkSQL写代码时不太一样，比如要查询所有用户，并且使每一位用户年龄增加1.

spark 2.1.0写法为：

df.select($"name", $"age" + 1).show()

spark 1.6.0写法为：

df.select(df("name"),df("age")+1).show()

1.创建DataFrame

val df = new SQLContext(sc).read.json("E:\\spark-2.1.0\\spark-2.1.0\\examples\\src\\main\\resources\\people.json")

2.查看DataFrame内容

df.show()

结果如图所示：

3.查看Schema

df.printSchema()

4.Select操作

4.1 只查看姓名

df.select("name").show()

4.2 查看所有姓名、年龄

df.select("name","age").show()

4.3 查看所有姓名，同时使每个人年龄增加1

df.select(df("name"),df("age")+1).show() 

注意：不能写成这样：

df.select("name","age"+1).show()

否则会报如下错误：

Exception in thread "main" org.apache.spark.sql.AnalysisException: cannot resolve 'age1' given input columns age, name;

5.Filter操作

查询年龄大于21的用户

df.filter(df("age")>21).show()

6.GroupBy操作

按年龄分组查看用户

df.groupBy("age").count().show()

7.完整代码

/**
  * Created by RiverCode on 2017/3/6.
  */
object SparkSQLExample {
  def main(args: Array[String]) {

    val sparkConf = new SparkConf().setMaster("local").setAppName("spark SQL basic example")

    val sc = new SparkContext(sparkConf)

    val sqlContext = new SQLContext(sc)

    val df = new SQLContext(sc).read.json("E:\\spark-2.1.0\\spark-2.1.0\\examples\\src\\main\\resources\\people.json")

    df.show()

    df.printSchema()

    df.select("name").show()

    df.select("name","age").show() // 可以
//  df.select("name","age"+1).show() // 不可以cannot resolve 'age1' given input columns age, name;
//  df.select($"name",$"age"+1)  // spark 2.1.0 这样写
    df.select(df("name"),df("age")+1).show()  // spark 1.6.3

    df.filter(df("age")>21).show()

    df.groupBy("age").count().show()
   
  }
}

8.相关文章链接

Spark中DataFrame的schema讲解：spark中DataFrame的schema讲解

http://blog.csdn.net/rivercode/article/details/60604327

spark创建DataFrame：spark创建DataFrame

http://blog.csdn.net/rivercode/article/details/60596079