SparkSQL架构、运行原理、Dataset、dataframe

Spark SQL架构

Spark SQL是Spark的核心组件之一(2014.4 Spark1.0)
能够直接访问现存的Hive数据
提供JDBC/ODBC接口供第三方工具借助Spark进行数据处理
提供了更高层级的接口方便地处理数据
支持多种操作方式:SQL、API编程
支持多种外部数据源:Parquet、JSON、RDBMS等

Spark SQL运行原理

Catalyst优化器是Spark SQL的核心
Catalyst Optimizer:Catalyst优化器,将逻辑计划转为物理计划
在这里插入图片描述
在这里插入图片描述

SparkContext
SQLContext
Spark SQL的编程入口
HiveContext
SQLContext的子集,包含更多功能
SparkSession(Spark 2.x推荐)
SparkSession:合并了SQLContext与HiveContext
提供与Spark功能交互单一入口点,并允许使用DataFrame和Dataset API对Spark进行编程

Dataset

特定域对象中的强类型集合
1、createDataset()的参数可以是:Seq、Array、RDD
2、上面三行代码生成的Dataset分别是:
Dataset[Int]、Dataset[(String,Int)]、Dataset[(String,Int,Int)]
3、Dataset=RDD+Schema,所以Dataset与RDD有大部共同的函数,如map、filter等

Dataset创建

   val spark: SparkSession = SparkSession.builder().master("local[*]").appName("demo").getOrCreate()
    import spark.implicits._
   //Dataset创建方法
    val ds1: Dataset[Int] = spark.createDataset(1 to 6)
    ds1.show()
    val ds2: Dataset[(String, Int)] = spark.createDataset(List(("a",1),("b",2),("c",3)))
    ds2.show()
    val ds3: Dataset[(String, Int, Int)] = spark.createDataset(sc.parallelize(List(("gree",17,175),("tom",22,180))))
    ds3.show()

在这里插入图片描述
在这里插入图片描述

使用样例类创建dataset

  //样例类
  case class Point(label:String,x:Double,y:Double)
  case class Category(i: Int, str: String)
  val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("demo1")
    val sc = SparkContext.getOrCreate(conf)
    val spark: SparkSession = SparkSession.builder().master("local[*]").appName("demo").getOrCreate()
    import spark.implicits._
    val points = Seq(Point("njzb",23.23,48.71),Point("njnz",26.12,48.33))
    val pointsDS: Dataset[Point] = points.toDS()
    pointsDS.printSchema()
    pointsDS.select("label").show()
    val categories = Seq(Category(1,"njzb"),Category(2,"njnz"))
    val cateDS: Dataset[Category] = categories.toDS()
    cateDS.printSchema()
    //rdd转Dataset
    val rdd: RDD[Int] = sc.parallelize(1 to 6)
    val ds: Dataset[Int] = rdd.toDS()

在这里插入图片描述

DataFrame

DataFrame=Dataset[Row]
类似传统数据的二维表格
在RDD基础上加入了Schema(数据结构信息)
DataFrame Schema支持嵌套数据类型
struct
map
array
提供更多类似SQL操作的AP

RDD与DataFrame对比

在这里插入图片描述

通过加载文件 创建dataframe


    val spark = SparkSession.builder().master("local[*]").appName("jsonsession").getOrCreate()
    val frame = spark.read.format("json").option("header",true).load("in/user.json")
    frame.printSchema()
    frame.show()

    val nameColumn: Column = frame("name")
    frame.select(nameColumn).show()
    frame.select("name").show()

rdd -> dataframe

val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("demo1")
    val sc = SparkContext.getOrCreate(conf)
    val spark: SparkSession = SparkSession.builder().master("local[*]").appName("demo")
      .getOrCreate()
    import spark.implicits._
    val people: RDD[String] = sc.textFile("in/people.txt")
    val schemaString = "id name age"
//    val schema: StructType = StructType(schemaString.split(" ").map(x => StructField(x, StringType, true)))
//    val fields: Array[StructField] = schemaString.split(" ").map(x => StructField(x, StringType, true))

    val fields1 = Array(
      StructField("id", IntegerType, true),
      StructField("name", StringType, true),
      StructField("age", IntegerType, true)
    )
    val schema: StructType = StructType(fields1)
    val row: RDD[Row] = people.map(x => x.split(" ")).map(x => Row(x(0).toInt, x(1), x(2).toInt))

    val peopleDF: DataFrame = spark.createDataFrame(row, schema)
    peopleDF.printSchema()
    peopleDF.show()
    peopleDF.createOrReplaceTempView("people")
    val resultDF: DataFrame = spark.sql("select name from people where age>30")
    resultDF.show()
    //读写parquet文件 
//    peopleDF.write.parquet("out/parquettest")
    val frame1: DataFrame = spark.read.parquet("out/parquettest")
    frame1.printSchema()
    frame1.show()

dataframe ->rdd

/** people.json内容如下
      * {"name":"Michael"}
      * {"name":"Andy", "age":30}
      * {"name":"Justin", "age":19}
      */
val df = spark.read.json("file:///home/hadoop/data/people.json")
//将DF转为RDD
df.rdd.collect
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值