代码量
计算平均数
使用hadoop的方式
spark方式-RDD
spark方式-DataFrame
spark方式-SQL
综上,很明显使用spark方式的DataFrame或者SQL都可以使代码可读性更好,代码更精简。
读写数据
从json读数据:df = sqlContext.read.format("json").option("samplingRatio", "0.1").load("/home/user1/data.json")
将文件写入json:df.write.format("parquet").mode("append").partitionBy("year").saveAsTable("fasterData")