一、简介
Spark SQL是Spark用来处理结构化数据构建在SparkCore基础之上的一个基于SQL的计算模块。具有DSL和SQL两种查询方式。
DSL:调用算子进行数据分析,对编程能力有要求。
SQL:纯sql语句,使用之前,要将数据注册成为一张表。
二、特点
提供标准化的SQL支持和子查询支持
统一的数据访问,连接任何数据源方式相同
兼容hive,支持hiveHQL的语法。兼容hive(元数据库、SQL语法、UDF、序列化、反序列化机制)
标准的数据连接 可以使用JDBC和ODBC连接
易整合可以使用java、scala、python等语言操作
三、RDD、DataFrame、DataSet三者之间的关系
RDD:有数据
DataFrame:相当于RDD没有范型 + schema + sql+优化
DataSet:RDD + schema + sql + 优化