Spark SQL基本操作

将下列 JSON 格式数据复制到 Linux 系统中， 并保存命名为 employee.json

{“id”:1, “name”:“Ella”, “age”:36}
{“id”:2, “name”:“Bob”, “age”:29}
{“id”:3, “name”:“Jack”, “age”:29}
{“id”:4, “name”:“Jim”, “age”:28}
{“id”:4, “name”:“Jim”, “age”:28}
{“id”:5, “name”:“Damon”}
{“id”:5, “name”:“Damon”}

为employee.json 创建 DataFrame， 并写出 Scala 语句完成下列操作：

创建sparksession 或 sparkcontext sqlContext

val conf = new SparkConf().setAppName("testSparkSql").setMaster("local[2]")
 val sc = new SparkContext(conf)
 val sqlContext = new SQLContext(sc)

val spark = new SparkSession.builder().getOrCreate()

创建 dataframe val df = sqlContext.read.json("F:/test/employee.json")

(1)查询所有数据

df.show()

(2)查询所有数据并去重

df.distinct().show()

(3)查询所有数据并在打印时去除 id 字段

df.drop("id").show()

(4)查询 age>30 的数据

df.filter(df("age") > 30).show()

(5)按age 分组

df.groupBy(df("age")).count().show()

(6)查询按name正序排列

df.sort(df("name").asc).show()

(7)打印前三条数据

df.show(3)

(8)打印时修改name 的列名 为 username

df.select(df("name").as("username")).show()

(9)age 的平均值

df.agg("age" -> "avg").show()

(10)age 的 最小值

df.agg("age" -> "min").show()