Spark SQL 编程初级实践

1．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":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：

将下列 json 数据复制到你的 ubuntu 系统/usr/local/spark 下，并保存命名为 employee.json。

scala> import org.apache.spark.sql.SparkSession

scala> val spark=SparkSession.builder().getOrCreate()

scala> import spark.implicits._

scala> val df = spark.read.json("file:///usr/local/spark/employee.json")

(1)     查询所有数据；

 

(2)     查询所有数据，并去除重复的数据；

 

(3)     查询所有数据，打印时去除 id 字段；

 

(4)     筛选出 age>30 的记录；

 

(5)     将数据按 age 分组；

 

(6)     将数据按 name 升序排列；

 

(7)     取出前 3 行数据； 

(8)     查询所有记录的 name 列，并为其取别名为 username；

 

(9)     查询年龄 age 的平均值；

(10)  查询年龄 age 的最小值。

2．编程实现将 RDD 转换为 DataFrame

源文件内容如下（包含 id,name,age）