现在我们来实现在自定义程序中编写Spark SQL查询程序。
实现查询的方式有两种:
方式一:通过反射推断schema。
方式二:通过structtype直接指定schema。
这次我们用方式二来实现自定义查询。
具体程序如下:
package cn.allengao.sparksql
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.{Row, SQLContext}
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}
object SpecifyingSchema {
def main(args: Array[String]): Unit = {
//1、模板代码
val conf = new SparkConf().setAppName("SQL-typeTwo").setMaster("local[*]")
val sc = new SparkContext(conf)
val sqlContext = new SQLContext(sc)
//2、获取数据
val linesRDD = sc.textFile(args(0)).map(_.split(","))
//3、通过StructType指定每个字段的Schema
val schema = StructType(
List(
StructField("id",IntegerType,true),
StructField("name",StringType,true),
StructField("colligate",IntegerType,true),
StructField("attack",IntegerType,true),
StructField("defense",IntegerType,true)
)
)
//4、将RDD映射到rowRDD
val rowRDD = linesRDD.map(x=>Row(x(0).toInt,x(1),x(2).toInt,x(3).toInt,x(4).toInt))
val teamDF = sqlContext.createDataFrame(rowRDD,schema)
//5、注册表
teamDF.registerTempTable("t_team")
//6、查询
val df = sqlContext.sql("select * from t_team order by colligate desc limit 3")
//7、输出
df.write.json(args(1))
sc.stop()
}
}
查看运行结果参照方式一进行查询。
对比总结:
1.case class模板类模式可视化比较好。
2.case class模板类参数上限为22个,对于字段多的不能使用。
3.编程方式更适合日常开发。