Spark SQL说明和操作

DataFrame关联密切的是Spark SQL技术，作为Spark中的4大模块之一，在DataFrame的基础上，将其注册为表，然后使用SQL语句进行读取处理。
主要的处理步骤如下：

操作的对应的视频如下，在腾讯课堂可免费查看所有的视频与下载简介资料

个人大数据平台的搭建与学习实践-PySpark-学习视频教程-腾讯课堂 (qq.com)

PySpark的认识和使用

1-创建DataFrame，对于Spark2使用SparkSession；对于Spark 1使用SQLContext
 

# 1 在Spark2中使用SparkSession对象
from Pysparkimport SparkContext
from Pyspark.sql import SparkSession
sc=SparkContext(appName="test_sc") 
spark=SparkSession.builder.appName('xxx_session').getOrCreate()

# 2在Spark1中使用SQLContext对象
from Pyspark.sql import SQLContext
sql_sc = SQLContext(sc)

# 3使用read进行读取各种数据源的创建DataFrame,Spark 1和Spark 2操作方法一样
df = spark.read.csv(....)
df = spark.read.json(....)
df = spark.read.jdbc(....)
df = spark.read.textFile(....)

# 或直接使用CreateDataFrame函数构建
df=spark.createDataFrame(…)

2-获取数据

可以是通过Python Pandas读取数据，或是通过SparkSession中的read属性，它是pyspark.sql.readwriter 模块中的DataFrameReader类型，在文档中可以搜索DataFrameReader，可以发现针对不同的数据源的读取函数。pyspark.sql.readwriter

3-在DataFrame的基础上构建表或视图，有很多的函数创建具有不同生命周期的视图或表

1. createGlobalTempView(name) 使用此DataFrame创建全局临时视图，其生命周期和Spark应用程序
2. createOrReplaceGlobalTempView(name) 使用给定的名称创建或替换全局临时视图。
3. createTempView(name) 用DataFrame创建一个本地临时视图
4. createOrReplaceTempView(name) 用DataFrame创建或替换一个本地临时视图
5. registerTempTable(name) 使用此给定名称注册此DataFrame作为临时表

删除Spark SQL表或试图

1. spark.catalog.dropGlobalTempView(name)
2. spark.catalog.dropTempView (name)