SparkSQL(4):Dataframe和RDD相互转换

68 篇文章 0 订阅
16 篇文章 1 订阅

1.功能:

实现Dataframe和RDD相互转换

2.Dataframe转换RDD

val jsonRdd=jsonDataFrame.rdd

3.RDD转换Dataframe

(1)通过类的反射机制

import  sqlContext.implicits._
val df=rdd.toDF()

(2)明确给定字段名称和schema信息

val schema=StructType(Array(
StructField("rdd1Name",StringType),
StructField("rdd1Age",IntegerType)
))
//传入两个参数Rdd[Row],schema
//sqlContext.
val df1=sqlContext.createDataFrame(rdd1,schema)
df1.show

4.实例

4.1 SparkUtil 

package SparkUtil

import org.apache.spark.{SparkConf, SparkContext}

/**
 * Created by ibf on 2018/7/18.
 */
object SparkUtil {

  def createSparkContext(isLocal:Boolean,appName:String): SparkContext ={
     if(isLocal) {
      val conf = new SparkConf()
        .setAppName(appName)
        .setMaster("local[2]")
      val  sc = SparkContext.getOrCreate(conf)
      val ssc=SparkContext.getOrCreate(conf)

      sc
    }else{
      val conf = new SparkConf()
        .setAppName(appName)

      val sc = SparkContext.getOrCreate(conf)
      sc

    }
  }



}

4.2 RDDDataFrame 

package _0728sql

import SparkUtil.SparkUtil
import org.apache.spark.sql.{DataFrame, Row, SQLContext, SaveMode}
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}

/**
  * Created by Administrator on 2018/7/29.
  */
object RDDDataFrame extends App{

  //上下文
  //构建上下文
  val sc = SparkUtil.createSparkContext(true,"RDDDataFrame")
  val sqlContext=new SQLContext(sc)

  /*
  第一:Dataframe转化RDD
  可以直接通过.rdd转换
  People数据源于:/opt/modules/spark-2.1.0-bin-2.7.3/examples/src/main/resources
   */
  val jsonPath="file:///E:\\people.json"
  val jsonDataFrame: DataFrame =sqlContext.read.json(jsonPath)


  //Row
  val jsonRdd=jsonDataFrame.rdd

  //转换的时候,一般xie
  val resultRdd=jsonRdd.map(
    row=>{
      (row.getAs[String](0),row.getAs[Int](1))
    }
  )

  resultRdd.foreach(println)


  /*第二:
  rdd 转换为DataFrame
  方法一:通过类的反射机制
  在rdd中传入类,再通过toDF或者toDS转换成DataFrame或者DataSet

  要求:rdd中传入类型必须是case class
        引入sqlContext中的隐式函数
   */
  import  sqlContext.implicits._
  val rdd=sc.parallelize(Array(
    Person("xiaoming",20),
    Person("lisi",40)
  ))

  val df=rdd.toDF()
  df.show()



  /*
 rdd 转换为DataFrame
 方法二:在转换的时候,明确给定字段名称和schema信息

  */
  val rdd1=  sc.parallelize(Array(
    ("xiaoming",20),
    ("lisi",20),
    ("wangwu",20)
  )).map {
      case (name, age) => {
        Row(name, age)
      }
    }

  val schema=StructType(Array(
    StructField("rdd1Name",StringType),
    StructField("rdd1Age",IntegerType)
  ))
  //传入两个参数Rdd[Row],schema
  //  sqlContext.
  val df1=sqlContext.createDataFrame(rdd1,schema)
  df1.show

  //保存
  val df2=df1.coalesce(1)
  df2.write.format("parquet")
    .mode(SaveMode.Append)
    .save("file:///E:\\out")
}

case class Person(name:String,age:Int)

 

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