SparkSQL案例

Spark SQL UDF 和 DUAF

import org.apache.log4j.{Level, Logger}
import org.apache.spark.sql.expressions.{MutableAggregationBuffer, UserDefinedAggregateFunction}
import org.apache.spark.sql.types.{DataType, IntegerType, StringType, StructField, StructType}
import org.apache.spark.sql.{Row, SQLContext}
import org.apache.spark.{SparkConf, SparkContext}

/**
 * @Autho: Administrator and wind
 * @Version: 2019/11/21 & 1.0
 *
 */
object SparkSQLUDFUDAF {

  def main(args: Array[String]): Unit = {

    //减少日志打印
    Logger.getLogger("org.apache.spark").setLevel(Level.ERROR)
    
    val conf = new SparkConf().setMaster("local").setAppName("SparkSQLUDFUDAF")

    val sc = new SparkContext(conf)

    val sqlContext = new SQLContext(sc)

    val bigData = Array("Spark","Spark","Spark","spark","spark","spark","spark","spark","Hadoop","Hadoop","Hadoop","Hadoop")

    //创建Dataframe
    val bigDataRDD = sc.parallelize(bigData)

    val bigDataRDDRow = bigDataRDD.map(item => Row(item))

    val structType = StructType(Array(
      new StructField("word",StringType)
    ))

    val bigDataDF = sqlContext.createDataFrame(bigDataRDDRow,structType)

    bigDataDF.createOrReplaceTempView("bigDataTable")

    //UDF  最多22个输入参数
    sqlContext.udf.register("length",(input:String) => input.length())

    //UDAF
    sqlContext.udf.register("wordcount",new MyUDAF)

    sqlContext.sql("select word,wordcount(word) as count from bigDataTable group by word").show()

    sqlContext.sql("select word,length(word) from bigDataTable").show()

    sc.stop()
  }

}

class MyUDAF extends UserDefinedAggregateFunction {

  /**
   * 该方法指定具体输入数据类型
   * @return
   */
  ove
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当然,我可以为您提供一些Spark SQL案例。以下是一个简单的案例,演示如何使用Spark SQL来处理和分析数据。 案例:统计销售数据 假设我们有一个包含销售数据的表,其中包括产品名称、销售数量和销售日期等字段。我们想要使用Spark SQL来分析这些数据并生成一些统计结果。 首先,我们需要创建一个SparkSession对象,并加载销售数据为一个DataFrame对象。 ```python from pyspark.sql import SparkSession # 创建SparkSession对象 spark = SparkSession.builder \ .appName("Spark SQL Example") \ .getOrCreate() # 加载销售数据为DataFrame sales_df = spark.read \ .format("csv") \ .option("header", "true") \ .load("sales_data.csv") ``` 然后,我们可以使用SQL语句来查询和分析数据。例如,我们可以通过执行SQL查询来获取每个产品的总销售数量。 ```python # 创建临时视图 sales_df.createOrReplaceTempView("sales") # 执行SQL查询 result = spark.sql("SELECT product_name, sum(sales_quantity) as total_sales FROM sales GROUP BY product_name") # 显示结果 result.show() ``` 除了基本的统计分析,我们还可以使用Spark SQL执行更复杂的操作,如连接多个表,使用窗口函数进行数据分析等。 这只是一个简单的案例,展示了如何使用Spark SQL来处理和分析数据。根据您具体的需求,您可以进一步扩展和定制这个案例。希望对您有所帮助!如果您有其他问题,请随时提问。

“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