目录
一、基本操作
Spark SQL提供了两个常用的加载数据和写入数据的方法:load()
方法和save()
方法。load()
方法可以加载外部数据源为一个DataFrame,save()
方法可以将一个DataFrame写入指定的数据源。
二、默认数据源
(一)默认数据源Parquet
默认情况下,load()方法和save()方法只支持Parquet格式的文件,Parquet文件是以二进制方式存储数据的,因此不可以直接读取,文件中包括该文件的实际数据和Schema信息,也可以在配置文件中通过参数spark.sql.sources.default对默认文件格式进行更改。Spark SQL可以很容易地读取Parquet文件并将其数据转为DataFrame数据集。
(二)案例演示读取Parquet文件
将数据文件users.parquet
上传到master虚拟机/home
将数据文件users.parquet
上传到HDFS的/input
目录
1、在Spark Shell中演示
启动Spark Shell,执行命令:spark-shell --master spark://master:7077
加载parquet文件,返回数据帧
执行命令:val userdf = spark.read.load("hdfs://master:9000/input/users.parquet")