SparkSQL相关知识点和使用示例

1 RDD 、DataFrame 和DataSet之间的区别

在这里插入图片描述
其中从Spark2.0开始: DataFrame = DataSet[row]
DataFram = RDD[row] + schema
DataFrame 每一行的类型固定为Row
DataSet = RDD[case class].toDS
Dataset 每一行的类型都是一个case class

2 Row 和 schmea

row 是一个泛化的无类型Jvm对象
示例:

import org.apache.spark.sql.Row
val row1 = Row(1,"abc", 1.2)
// Row 的访问方法
row1(0)
row1(1)
row1(2)
row1.getInt(0)
row1.getString(1)
row1.getDouble(2)
row1.getAs[Int](0)
row1.getAs[String](1)
row1.getAs[Double](2)

DataFrame 中的数据结构信息(如:数据集中包含哪些列,每列的名称和类型各是什么),即为 schema
定义schema:

import org.apache.spark.sql.types._
val schema = (new StructType).
	add("id", IntegerType, false,"id").
	add("name", StringType, false,"名字").
	add("height", DoubleType, false,"身高")

3 SparkSession创建

import org.apache.spark.sql.SparkSession
val spark = SparkSession
	.builder()
	.appName("Spark SQL basic example")
	.config("spark.some.config.option", "some-value")
	.getOrCreate()
//通过sparksession可以获得sparkcontext
val sc =spark.sparkContext
//用完关闭sparksession
spark.close()

4 DataFrame和DataSet创建

import org.apache.spark.SparkContext
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.functions._
import org.apache.spark.sql.{
   DataFrame, Row, SparkSession}
import org.apache.spark.sql.types._

object DF_DS_Demo {
   
  def main(args: Array[String]): Unit = {
   
    //获取sparksession和sparkcontext对象
    val spark: SparkSession = SparkSession.builder().appName("df_and_ds_test").master("local").getOrCreate()
    val sc: SparkContext = spark.sparkContext
    //设置日志打印级别
    sc.setLogLevel("warn")
    //1.通过case class样例类集合直接生成dataset
    val seq1 = Seq(Person("Jack", 28, 184),
      Person("Tom", 10, 144),
      Person("Andy", 16, 165))
   //对df和ds进行相应操作时必须先引入,否则在idea里有些方法无法使用
   import spark.implicits._
    val numDs = spark.createDataset(seq1)
    //使用desc函数需要先引入import org.apache.spark.sql.functions._
    numDs.orderBy(desc("age")).show()
    //打印schema信息
    numDs.printSchema()

   //2.列表生成dataframe
    val lst = List(("Jack", 28, 184), ("Tom", 10, 144), ("Andy", 16, 165))
    val df1: DataFrame = spark.createDataFrame(lst).toDF("name","age","height")
    df1.orderBy("age").show()
    //为每个字段单独指定名称,改单个字段名时方便
    val df2: DataFrame = spark.createDataFrame(lst)
      .withColumnRenamed("_1", "name2")
      .withColumnRenamed("_2", "age2")
      .withColumnRenamed("_3", "height2")
    df2.orderBy(desc("height2")).show()

    //3.通过RDD[row]和schema对象创建DataFrame
    val arr = Array(("Jack", 28, 184.3), ("Tom", 10, 144.2), ("Andy", 16, 165.6))
    val rdd1: RDD[Row] = sc.makeRDD(arr).map(f => Row(f._1, f._2, f._3))
    val schema1: StructType = new StructType()
      .add("name", StringType, false, "姓名")
      .add("age", IntegerType, false, "年龄")
      .add("height", DoubleType, false, "身高")
    val rddToDF: DataFrame = spark.createDataFrame(rdd1, schema1)
    rddToDF
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值