rdd 与dataframe互操作的两种方式

最新推荐文章于 2022-12-11 16:45:54 发布

leizhengtao520

最新推荐文章于 2022-12-11 16:45:54 发布

阅读量327

点赞数

本文链接：https://blog.csdn.net/leizhengtao520/article/details/80453226

版权

测试数据样本形式：

1	上海	273
2	云南	27
3	内蒙古	25
4	北京	627

1编程row的方式，适合事先不知道列的形式

  def main(args: Array[String]) {

    val spark = SparkSession.builder().appName("DataFrameAPP").master("local[2]").getOrCreate()

    val rdd = spark.sparkContext.textFile("F:\\b.csv")

    val infoRdd=rdd.map(_.split("\t")).map(line =>Row(line(0).toInt,line(1),line(2).toInt))

    val structType = StructType(Array(
      StructField("id",IntegerType,true),
      StructField("provice",StringType,true),
      StructField("num",IntegerType,true)
    ))

    val proviceRdd = spark.createDataFrame(infoRdd,structType)

    proviceRdd.show(4,true)

  }

2.反射 case class 事先知道字段类型，有哪些字段

  def main(args: Array[String]) {
    val spark = SparkSession.builder().appName("DataFrameAPP").master("local[2]").getOrCreate()

    import spark.implicits._
    val df =spark.sparkContext.textFile("F:\\b.csv")
      .map(_.split("\t")).map(line =>Info(line(0).toInt,line(1),line(2).toInt)).toDF()

    df.select(df.col("num")).show(35,true)

    df.filter(df.col("num")>50).show()

    df.createOrReplaceTempView("infos")

    spark.sql("select * from infos where num > 100").show()

    spark.stop()

  }
  case class Info(id:Int,provice:String,num:Int)