Spark SQL案例：分组排行榜

目录

一、提出任务

二、完成任务

 （一）新建Maven项目

 （二）添加相关依赖和构建插件

 （三）创建日志属性文件

 （四）创建分组排行榜单例对象

 （五）本地运行程序，查看结果

 （六）交互式操作查看中间结果

 1、读取成绩文件得到数据集

 2、定义成绩样例类

 3、导入隐式转换

 4、创建成绩数据集

 5、将数据集转换成数据帧

 6、基于数据帧创建临时表

 7、查询临时表，实现分组排行榜

 8、显示分组排行榜结果

---

一、提出任务

分组求TopN是大数据领域常见的需求，主要是根据数据的某一列进行分组，然后将分组后的每一组数据按照指定的列进行排序，最后取每一组的前N行数据。

• 有一组学生成绩数据

张三丰 90
李孟达 85
张三丰 87
王晓云 93
李孟达 65
张三丰 76
王晓云 78
李孟达 60
张三丰 94
王晓云 97
李孟达 88
张三丰 80
王晓云 88
李孟达 82
王晓云 98

• 同一个学生有多门成绩，现需要计算每个学生分数最高的前3个成绩，期望输出结果如下所示

张三丰：94
张三丰：90
张三丰：87
李孟达：88
李孟达：85
李孟达：82
王晓云：98
王晓云：97
王晓云：93

• 数据表t_grade

• 执行查询

SELECT * FROM t_grade tg
   WHERE (SELECT COUNT(*) FROM t_grade
               WHERE tg.name = t_grade.name
                            AND score >= tg.score                                 
            ) <= 3 ORDER BY name, score DESC; 

• 预备工作：启动集群的HDFS与Spark

•  将成绩文件 - grades.txt上传到HDFS上/input目录

二、完成任务

 （一）新建Maven项目

• 设置项目信息（项目名、保存位置、组编号、项目编号）

• 单击【Finish】按钮

•  将java目录改成scala目录

 （二）添加相关依赖和构建插件

• 在pom.xml文件里添加依赖与Maven构建插件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0
         http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>net.huawei.sql</groupId>
    <artifactId>GradeTopNBySQL</artifactId>
    <version>1.0-SNAPSHOT</version>

    <dependencies>
        <dependency>