Spark SQL结构化数据文件处理

目录

一，Spark SQL概述

1，Spark SQL简介

2，Spark SQL架构 

二，DataFrame概述 

1，DataFrame简介​

2，DataFrame的创建 

（1）数据准备

（2）通过文件直接创建DataFrame 

（3）RDD直接转换为DataFrame ​

3，DataFrame的常用操作 

（1）DSL风格操作

三，Dataset概述 

1，RDD、DataFrame及Dataset的区别

（1）通过SparkSession中的createDataset来创建Dataset

​（2）DataFrame通过“as[ElementType]”方法转换得到Dataset​

四， RDD转换DataFrame​

---

一，Spark SQL概述

1，Spark SQL简介

Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个编程抽象结构叫做DataFrame的数据模型（即带有Schema信息的RDD），Spark SQL作为分布式SQL查询引擎，让用户可以通过SQL、DataFrames API和Datasets API三种方式实现对结构化数据的处理。

2，Spark SQL架构 

Spark SQL架构与Hive架构相比，把底层的MapReduce执行引擎更改为Spark，还修改了Catalyst优化器，Spark SQL快速的计算效率得益于Catalyst优化器。从HiveQL被解析成语法抽象树起，执行计划生成和优化的工作全部交给Spark SQL的Catalyst优化器进行负责和管理。

二，DataFrame概述 

1，DataFrame简介