5.3.0Spark_SQL入门

原创 2018年04月16日 23:30:48

Spark_SQL入门

一、 Spark SQL概述

        Spark SQLSpark用来处理结构化数据的一个模块,它提供了一个编程抽象叫做DataFrame并且作为分布式SQL查询引擎的作用。

二、 Spark SQL 作用

       Hive是将Hive SQL转换成MapReduce然后提交到集群上执行,大大简化了编写MapReduce的程序的复杂性,由于MapReduce这种计算模型执行效率比较慢。所以Spark SQL的应运而生,它是Spark SQL转换成RDD,然后提交到集群执行,执行效率非常快!

三、 Spark SQL特点

        1. 易于整合

 

    整合HiveSql

        2. 统一的数据访问方式

 

            Sql语法相同

        3. 兼容Hive

 

        4. 标准的数据连接

 

        JDBC连接数据库

四、 DataFrame

        1. 定义

   与RDD类似,DataFrame也是一个分布式数据容器。然而DataFrame更像传统数据库的二维表格,除了数据以外,还记录数据的结构信息,即schema。同时,与Hive类似,DataFrame也支持嵌套数据类型(structarraymap。从API易用性的角度上 看,DataFrame API提供的是一套高层的关系操作,比函数式的RDD API要更加友好,门槛更低。由于与RPandasDataFrame类似,Spark DataFrame很好地继承了传统单机数据分析的开发体验。

 

 

        2. 创建DataFrame

    在Spark SQLSQLContext是创建DataFrame和执行SQL的入口。Spark2.0Spark session合并了SQLContextHiveContext。所有使用内置spark创建

 

            1) 在本地创建一个文件,有三列,分别是idnameage,用空格分隔,然后上传到hdfs

 

 

 

 

 

            2) spark shell执行下面命令,读取数据,将每一行的数据使用列分隔符分割

val lineRDD =  sc.textFile("hdfs://master:9000/sparktest/input/sparksqlperson.txt").map(_.split(" "))

            3) 定义case class(相当于表的schema

case class Person(id:Int, name:String, age:Int)

 

            4) RDDcase class关联

val personRDD = lineRDD.map(x => Person(x(0).toInt , x(1), x(2).toInt))

            5) RDD转换成DataFrame

val personDF = personRDD.toDF

            6) DataFrame进行处理

personDF.show

 

        3. DataFrame常用操作

            1) DSL风格语法

//查看DataFrame中的内容
personDF.show

 

//查看DataFrame部分列中的内容
personDF.select(personDF.col("name")).show

 

personDF.select(col("name"), col("age")).show

 

personDF.select("name").show

 

//打印DataFrame的Schema信息
personDF.printSchema

 

//查询所有的name和age,并将age+1
personDF.select(col("id"), col("name"), col("age") + 1).show

 

personDF.select(personDF("id"),personDF("name"), personDF("age") + 1).show

//过滤age大于等于18的
personDF.filter(col("age") >= 18).show


//按年龄进行分组并统计相同年龄的人数
personDF.groupBy("age").count().show()

 

            2) SQL风格语法

     如果想使用SQL风格的语法,需要DataFrame注册成表

personDF.registerTempTable("t_person")

 

            spark2.1.1内置SparkSession 直接用于sql查询

//查询年龄最大的前两名
spark.sql("select * from t_person order by age desc limit 2").show

 

//显示表的Schema信息
spark.sql("desc t_person").show

 

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Simon_09010817/article/details/79968351

软件配置管理入门

-
  • 1970年01月01日 08:00

Lucene基础(一)--入门

Lucene介绍lucene的介绍,这里引用百度百科的介绍 Lucene是apache软件基金会4 jakarta项目组的一个子项目,是一个开放源代码的全文检索引擎工具包,即它不是一个完整的全文检...
  • fun913510024
  • fun913510024
  • 2015-05-30 17:55:43
  • 1808

WEB如何入门?各种渗透攻击如何入门?

……终于知道了 就是按这个学 http://www.runoob.com/ html又重新学的,之前那个按照W3school学习的不太好,里面很多东西都不是很好用… 应该不会再记笔...
  • myloveprogrmming
  • myloveprogrmming
  • 2016-10-12 21:23:21
  • 978

算法篇——入门级算法

从今天开始,复习各种算法,每天都会去理解一种算法,争取贴出自己对每种算法的理解,今天介绍的是最基础的入门算法,最大公约数,最小公倍数,快速幂(后面会重点介绍),简单并查集(后面会重点介绍),还有排列组...
  • u013775952
  • u013775952
  • 2016-09-14 12:56:52
  • 2216

C#入门经典(第五版)中英文高清及源码

  • 2013年12月04日 09:50
  • 31.27MB
  • 下载

C++从入门到入土

C++从入门到入土(1)——C++基础理解和编译环境搭建 这编辑器太捉急人了 主要参考系列视频:https://www.bilibili.com/video/av11459203/index_5.h...
  • mazili2400
  • mazili2400
  • 2018-02-14 16:35:39
  • 265

spring入门到精通(一)

Spring 概述1:Spring的历史解决需求: ——软件开发人员常常忙于对技术的研发和应用,而忽略了对业务本身复杂性的分析,为了减少软件开发人员花费在技术时间上 的时间,而把精力放在对业务本身...
  • qq_36218704
  • qq_36218704
  • 2017-07-11 22:59:27
  • 2402

Nginx基本入门

1、静态HTTP服务器 首先,Nginx是一个HTTP服务器,可以将服务器上的静态文件(如HTML、图片)通过HTTP协议展现给客户端。 配置: 123456 se...
  • u012486840
  • u012486840
  • 2016-11-09 13:45:32
  • 9924

Caffe从入门到精通01

这篇博客主要对刚在windows环境下接触caffe的新手可能遇到的疑问提出了一些解答,都是一些我自己在实践过程中遇到的一些问题和解决方案,希望对大家有帮助,抛砖引玉。...
  • TMAC2016
  • TMAC2016
  • 2017-10-30 12:01:05
  • 285

c#入门经典例子源码

  • 2006年02月23日 09:05
  • 5.13MB
  • 下载
收藏助手
不良信息举报
您举报文章:5.3.0Spark_SQL入门
举报原因:
原因补充:

(最多只允许输入30个字)