Spark-SQL核心编程

数据的加载与保存

加载数据的方法

选项参数：可以通过选项参数传入URL地址、用户名、密码和数据表名称等。
路径参数：可以传入加载数据的路径。
MySQL语句：可以直接导入MySQL语句来加载数据。
保存数据的方法

通用方法：使用df.write方法保存数据。
格式和选项：可以指定保存的数据格式和选项参数。
保存模式：可以选择不同的保存模式（如追加、覆盖、忽略、报错）。
数据源格式
默认数据源格式：Spark SQL默认使用一种能够存储嵌套数据的格式，不需要指定格式。
具体数据加载和查询
JSON数据

加载JSON文件：使用spark.read.json方法加载JSON文件。

val path = "/opt/module/spark-local/people.json"

val peopleDF = spark.read.json(path)

查询数据：可以通过SQL语句查询JSON数据。

val resDF = spark.sql("SELECT name FROM people WHERE age BETWEEN 13 AND 19")
CSV数据

加载CSV文件：可以配置CSV文件的列表信息并读取CSV文件。
注意事项：CSV文件的第一行通常设置为数据列信息。
MySQL数据

连接MySQL：通过JDBC从关系型数据库中读取数据。
版本匹配：确保Spark和MySQL的驱动版本匹配。
加载数据：使用spark.read.format("jdbc")方法加载MySQL数据。
写入数据：使用df.write.format("jdbc")方法将数据写入MySQL。
具体操作步骤
导入依赖：确保导入所需的依赖包。
配置对象：创建配置对象并设置相关参数。
加载数据：使用不同的方法加载数据（如选项参数、路径参数、MySQL语句）。
保存数据：选择保存模式并保存数据。
IDEA通过JDBC对MySQL进行操作：

1. 导入依赖

<dependency>
    <groupId>mysql</groupId>
    <artifactId>mysql-connector-java</artifactId>
    <version>5.1.27</version>
</dependency>
MySQL8  <version>8.0.11</version>

2.读取数据

val sparkConf = new SparkConf().setMaster("local[*]").setAppName("SQL")
val spark:SparkSession = SparkSession.builder().config(sparkConf).getOrCreate()

import spark.implicits._
//通用的load方式读取

spark.read.format("jdbc")
  .option("url","jdbc:mysql://localhost:3306/system")
  .option("driver","com.mysql.jdbc.Driver")//com.mysql.cj.jdbc.Driver
  .option("user","root")
  .option("password","123456")
  .option("dbtable","user")
  .load().show()

spark.stop()




//通用的load方法的另一种形式
spark.read.format("jdbc")
  .options(
    Map("url"->"jdbc:mysql://localhost:3306/system?user=root&password=123456","dbtable"->"user","driver"->"com.mysql.jdbc.Driver"))
  .load().show()


//通过JDBC
val pros :Properties = new Properties()
pros.setProperty("user","root")
pros.setProperty("password","123456")
val df :DataFrame = spark.read.jdbc("jdbc:mysql://localhost:3306/system","user",pros)
df.show()

3）	写入数据
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("SQL")
val spark:SparkSession = SparkSession.builder().config(sparkConf).getOrCreate()

import spark.implicits._
val rdd: RDD[Stu] = spark.sparkContext.makeRDD(List(Stu("lisi", 20),
  Stu("zs", 30)))
val ds:Dataset[Stu] = rdd.toDS()

ds.write.format("jdbc")
  .option("url","jdbc:mysql://localhost:3306/system")
  .option("driver","com.mysql.jdbc.Driver")
  .option("user","root")
  .option("password","123456")
  .option("dbtable","user2")
  .mode(SaveMode.Append)
  .save()

spark.stop()

MySQL和Spark Circle的连接

版本兼容性：

MySQL的不同版本（如5.x和8.x）需要对应版本的驱动。
Spark Circle在编译时可以包含或不包含Hive支持。
连接方式：

内嵌Hive：无需额外配置，直接使用。
外部Hive：需要下载配置文件（PSML、CORE-SML、HDFS），并将这些文件放在Spark目录下。
修改配置文件：将hive-site.xml中的本地文件路径改为虚拟机中的Hive路径（如note01）。
复制MySQL驱动：将MySQL驱动复制到Spark目录下。
启动Spark Shell：

可以通过CMD或双击B目录下的CMD文件启动。
在Spark Shell中输入SQL语句可以查看数据库和数据表。
Spark Circle CLI：

运行spark-shell命令启动。
直接输入MySQL语句，无需加SQL括号和双引号。
IDEA与Hive的连接
导入依赖：

需要导入与Spark版本一致的依赖包（如3.0.0版本）。
确保Hive版本与Spark版本一致。
环境配置：

虚拟机必须运行，因为使用的是虚拟机中的Hive。
将配置文件和驱动放在指定目录下。
代码实现：

导入必要的包。
创建配置对象和Hive对象。
输入Hive语句，如展示所有数据表和数据库。
常见错误：

确保所有配置文件和驱动正确放置。
检查版本兼容性。