SQL实现表格操作

一、实验目的

（1）熟悉Spark的RDD基本操作及键值对操作；

（2）熟悉使用RDD编程解决实际具体问题的方法。

二、实验平台

操作系统：windows11

mysql版本：8.0

navicat版本：navicat premium 12

三、实验内容

1.pyspark交互式编程

请到教材官网的“下载专区”的“数据集”中下载chapter4-data1.txt，该数据集包含了某大学计算机系的成绩，数据格式如下所示：

Tom,DataBase,80 Tom,Algorithm,50 Tom,DataStructure,60 Jim,DataBase,90 Jim,Algorithm,60 Jim,DataStructure,80 ……

请根据给定的实验数据，在pyspark中通过编程来计算以下内容：

（1）该系总共有多少学生；

sql语句创建表：

表内添加数据：

由于数据没有字段名行，因此修改参数如下：

结果如下：

（2）该系共开设了多少门课程；

（3）Tom同学的总成绩平均分是多少；

（4）求每名同学的选修的课程门数；

（5）该系DataBase课程共有多少人选修；

（6）各门课程的平均分是多少；

（7）使用累加器计算共有多少人选了DataBase这门课。

2.编写独立应用程序实现数据去重

对于两个输入文件A和B，编写Spark独立应用程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新文件C。下面是输入文件和输出文件的一个样例，供参考。

输入文件A的样例如下：

20170101    x

20170102    y

20170103    x

20170104    y

20170105    z

20170106    z

输入文件B的样例如下：

20170101    y

20170102    y

20170103    x

20170104    z

20170105    y

根据输入的文件A和B合并得到的输出文件C的样例如下：

20170101    x

20170101    y

20170102    y

20170103    x

20170104    y

20170104    z

20170105    y

20170105    z

20170106    z

答：

建表：

将两个数据通过txt文本导入。

3.编写独立应用程序实现求平均值问题

每个输入文件表示班级学生某个学科的成绩，每行内容由两个字段组成，第一个是学生名字，第二个是学生的成绩；编写Spark独立应用程序求出所有学生的平均成绩，并输出到一个新文件中。下面是输入文件和输出文件的一个样例，供参考。

Algorithm成绩：

小明 92

小红 87

小新 82

小丽 90

Database成绩：

小明 95

小红 81

小新 89

小丽 85

Python成绩：

小明 82

小红 83

小新 94

小丽 91

平均成绩如下：

    (小红,83.67)

    (小新,88.33)

    (小明,89.67)

    (小丽,88.67)

答：

导入三个表后计算平均值

所有代码如下：

1. create table sparkstu( id int not null auto_increment, `name` varchar(100), class VARCHAR(100), greades float, PRIMARY key (id) ) SELECT count(DISTINCT name)  from sparkstu SELECT count(DISTINCT class) from sparkstu select avg(greades) from sparkstu where `name` = 'Tom'; SELECT name,count(*) from sparkstu GROUP BY(name) SELECT count(*) FROM sparkstu where class = 'DataBase' SELECT class,avg(greades) FROM sparkstu GROUP BY class SELECT sum(case when class = 'DataBase' then 1 else 0 end) FROM sparkstu 2. create table A( id VARCHAR(10) not null, info varchar(5), PRIMARY key(id) ) create table B( id VARCHAR(10) not null, info varchar(5), PRIMARY key(id) ) #union会自动删除重复 CREATE TABLE new_table AS SELECT * FROM A UNION SELECT * FROM B; SELECT * from new_table 3. create table class1( name varchar(100) not null, grade float, PRIMARY KEY(name) ) create table class2( name varchar(100) not null, grade float, PRIMARY KEY(name) ) create table class3( name varchar(100) not null, grade float, PRIMARY KEY(name) ) create table new_table1 as SELECT name,avg(grade)  from( SELECT name,grade from class1 union SELECT name,grade from class2 union SELECT name,grade from class3 )as a GROUP BY(name) SELECT * FROM new_table1

心得体会：

union使用方法

txt数据导入方法

avg、sum、count使用方法