Spark SQL-编程

最新推荐文章于 2024-04-30 22:35:32 发布
最新推荐文章于 2024-04-30 22:35:32 发布
阅读量8.4k 收藏
点赞数
分类专栏： Spark
我是星星我会发光
本文链接：https://blog.csdn.net/weixin_43233971/article/details/103172238
版权

1.SparkSession新的起点

        在老的版本中，SparkSQL提供两种SQL查询起始点：一个叫SQLContext，用于Spark自己提供的SQL查询；一个叫HiveContext，用于连接Hive的查询。

       SparkSession是Spark最新的SQL查询起始点，实质上是SQLContext和HiveContext的组合，所以在SQLContext和HiveContext上可用的API在SparkSession上同样是可以使用的。SparkSession内部封装了sparkContext，所以计算实际上是由sparkContext完成的。

2.DataFrame

       在Spark SQL中SparkSession是创建DataFrame和执行SQL的入口，创建DataFrame有三种方式：通过Spark的数据源进行创建；从一个存在的RDD进行转换；还可以从Hive Table进行查询返回。

2.1 从Spark数据源进行创建

（1）查看Spark数据源进行创建的文件格式

scala> spark.read.

csv   format   jdbc   json   load   option   options   orc   parquet   schema   table   text   textFile

（2）读取json文件创建DataFrame

scala> val df = spark.read.json("/apps/spark/examples/src/main/resources/people.json")

df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]

（3）展示结果

scala> df.show

+----+-------+

| age|   name|

+----+-------+

|null|Michael|

|  30|   Andy|

|  19| Justin|

+----+-------+
import org.apache.spark.SparkConf
import org.apache.spark.sql.{DataFrame, SparkSession}

object Spark_Sql_Demo {

  def main(args: Array[String]): Unit = {
    //1.编写sparksql的conf
    val sparkConf : SparkConf = new SparkConf().setAppName("Spark_Sql_Demo") .setMaster("local[*]")

    //2.创建sparksql
    val spark: SparkSession = SparkSession.builder().config(sparkConf).getOrCreate()
    //3.读取数据
    val df: DataFrame = spark.read.json("in/user.json")
    //4.展示
    df.show()
    //5.释放资源
    spark.stop()
  }
}

从RDD进行转换

详情请见5

从Hive Table进行查询返回

详情请见5下篇博客

2.2 SQL风格语法

1）创建一个DataFrame

scala> val df = spark.read.json("/apps/spark/examples/src/main/resources/people.json")

df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]

2）对DataFrame创建一个临时表

scala> df.createOrReplaceTempView("people")

3）通过SQL语句实现查询全表

scala> val sqlDF = spark.sql("SELECT * FROM people")

sqlDF: org.apache.spark.sql.DataFrame = [age: bigint, name: string]

4）结果展示

scala> sqlDF.show

+----+-------+

| age|   name|

+----+-------+

|null|Michael|

|  30|   Andy|

|  19| Justin|

+----+-------+

注意：临时表是Session范围内的，Session退出后，表就失效了。如果想应用范围内有效，可以使用全局表。注意使用全局表时需要全路径访问，如：global_temp.people

5）对于DataFrame创建一个全局表

scala> df.createGlobalTempView("people")

6）通过SQL语句实现查询全表

scala> spark.sql("SELECT * FROM global_temp.people").show()

+----+-------+

| age|   name|

+----+-------+

|null|Michael|

|  30|   Andy|

|  19| Justin|



scala> spark.newSession().sql("SELECT * FROM global_temp.people").show()

+----+-------+

| age|   name|

+----+-------+

|null|Michael|

|  30|   Andy|

|  19| Justin|

+----+-------+

2.3 DSL风格语法

1）创建一个DateFrame

scala> spark.read.

csv   format   jdbc   json   load   option   options   orc   parquet   schema   table   text   textFile

2）查看DataFrame的Schema信息

scala> df.printSchema

root

 |-- age: long (nullable = true)

 |-- name: string (nullable = true)

3）只查看”name”列数据

scala> df.select("name").show()

+-------+

|   name|

+-------+

|Michael|

|   Andy|

| Justin|

+-------+

4）查看”name”列数据以及”age+1”数据

scala> df.select($"name", $"age" + 1).show()

+-------+---------+

|   name|(age + 1)|

+-------+---------+

|Michael|     null|

|   Andy|       31|

| Justin|       20|

+-------+---------+

5）查看”age”大于”21”的数据

scala> df.filter($"age" > 21).show()

+---+----+

|age|name|

+---+----+

| 30|Andy|

+---+----+

6）按照”age”分组，查看数据条数

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

+----+-----+

| age|count|

+----+-----+

|  19|     1|

|null|     1|

|  30|     1|

+----+-----+

2.4 RDD转换为DateFrame

      注意：如果需要RDD与DF或者DS之间操作，那么都需要引入 import spark.implicits._  

    【spark不是包名，而是sparkSession对象的名称】

      前置条件：导入隐式转换并创建一个RDD

scala> import spark.implicits._

import spark.implicits._
scala> val peopleRDD = sc.textFile("examples/src/main/resources/people.txt")

peopleRDD: org.apache.spark.rdd.RDD[String] = examples/src/main/resources/people.txt MapPartitionsRDD[3] at textFile at <console>:27

1）通过手动确定转换

scala> peopleRDD.map{x=>val para = x.split(",");(para(0),para(1).trim.toInt)}.toDF("name","age")

res1: org.apache.spark.sql.DataFrame = [name: string, age: int]

2）通过反射确定（需要用到样例类）

（1）创建一个样例类

scala> case class People(name:String, age:Int)

（2）根据样例类将RDD转换为DataFrame

scala> peopleRDD.map{ x => val para = x.split(",");People(para(0),para(1).trim.toInt)}.toDF

res2: org.apache.spark.sql.DataFrame = [name: string, age: int]

3）通过编程的方式（了解）

（1）导入所需的类型

scala> import org.apache.spark.sql.types._

import org.apache.spark.sql.types._

（2）创建Schema

scala> val structType: StructType = StructType(StructField("name", StringType) :: StructField("age", IntegerType) :: Nil)

structType: org.apache.spark.sql.types.StructType = StructType(StructField(name,StringType,true), StructField(age,IntegerType,true))

（3）导入所需的类型

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

import org.apache.spark.sql.Row

（4）根据给定的类型创建二元组RDD

scala> val data = peopleRDD.map{ x => val para = x.split(",");Row(para(0),para(1).trim.toInt)}

data: org.apache.spark.rdd.RDD[org.apache.spark.sql.Row] = MapPartitionsRDD[6] at map at <console>:33

（5）根据数据及给定的schema创建DataFrame

scala> val dataFrame = spark.createDataFrame(data, structType)

dataFrame: org.apache.spark.sql.DataFrame = [name: string, age: int]

 2.5 DateFrame转换为RDD 

      直接调用rdd即可

1）创建一个DataFrame

scala> val df = spark.read.json("/apps/spark/examples/src/main/resources/people.json")

df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]

2）将DataFrame转换为RDD

scala> val dfToRDD = df.rdd

dfToRDD: org.apache.spark.rdd.RDD[org.apache.spark.sql.Row] = MapPartitionsRDD[19] at rdd at <console>:29

3）打印RDD

scala> dfToRDD.collect

res13: Array[org.apache.spark.sql.Row] = Array([Michael, 29], [Andy, 30], [Justin, 19])

3 DataSet

Dataset是具有强类型的数据集合，需要提供对应的类型信息。

3.1 创建

（1）创建一个样例类

scala> case class Person(name: String, age: Long)

defined class Person

（2）创建DataSet

scala> val caseClassDS = Seq(Person("Andy", 32)).toDS()

caseClassDS: org.apache.spark.sql.Dataset[Person] = [name: string, age: bigint]

 3.2 RDD转换为DataSet 

      SparkSQL能够自动将包含有case类的RDD转换成DataFrame，case类定义了table的结构，case类属性通过反射变成了表的列名。

（1）创建一个RDD

scala> val peopleRDD = sc.textFile("examples/src/main/resources/people.txt")

peopleRDD: org.apache.spark.rdd.RDD[String] = examples/src/main/resources/people.txt MapPartitionsRDD[3] at textFile at <console>:27

（2）创建一个样例类

scala> case class Person(name: String, age: Long)

defined class Person

（3）将RDD转化为DataSet

scala> peopleRDD.map(line => {val para = line.split(",");Person(para(0),para(1).trim.toInt)}).toDS()

3.3 DataSet转换为RDD

      调用rdd方法即可。

（1）创建一个DataSet

scala> val DS = Seq(Person("Andy", 32)).toDS()

DS: org.apache.spark.sql.Dataset[Person] = [name: string, age: bigint]

（2）将DataSet转换为RDD

scala> DS.rdd

res11: org.apache.spark.rdd.RDD[Person] = MapPartitionsRDD[15] at rdd at <console>:28

 4 DataFrame与DataSet的互操作 

4.1. DataFrame转换为DataSet

（1）创建一个DateFrame

scala> val df = spark.read.json("examples/src/main/resources/people.json")

df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]

（2）创建一个样例类

scala> case class Person(name: String, age: Long)

defined class Person

（3）将DateFrame转化为DataSet

scala> df.as[Person]

res14: org.apache.spark.sql.Dataset[Person] = [age: bigint, name: string]

4.2 DataSet转换为DataFrame

（1）创建一个样例类

scala> case class Person(name: String, age: Long)

defined class Person

（2）创建DataSet

scala> val ds = Seq(Person("Andy", 32)).toDS()

ds: org.apache.spark.sql.Dataset[Person] = [name: string, age: bigint]

（3）将DataSet转化为DataFrame

scala> val df = ds.toDF

df: org.apache.spark.sql.DataFrame = [name: string, age: bigint]

（4）展示

scala> df.show

+----+---+

|name|age|

+----+---+

|Andy| 32|

+----+---+

 4.3 DataSet转DataFrame 

   这个很简单，因为只是把case class封装成Row

（1）导入隐式转换

import spark.implicits._

（2）转换

val testDF = testDS.toDF

 4.4 DataFrame转DataSet 

（1）导入隐式转换

import spark.implicits._

（2）创建样例类

case class Coltest(col1:String,col2:Int)extends Serializable //定义字段名和类型

（3）转换

val testDS = testDF.as[Coltest]

       这种方法就是在给出每一列的类型后，使用as方法，转成Dataset，这在数据类型是DataFrame又需要针对各个字段处理时极为方便。在使用一些特殊的操作时，一定要加上 import spark.implicits._ 不然toDF、toDS无法使用。

5. RDD、DataFrame、DataSet

      在SparkSQL中Spark为我们提供了两个新的抽象，分别是DataFrame和DataSet。他们和RDD有什么区别呢？首先从版本的产生上来看：RDD (Spark1.0) —> Dataframe(Spark1.3) —> Dataset(Spark1.6)

     如果同样的数据都给到这三个数据结构，他们分别计算之后，都会给出相同的结果。不同是的他们的执行效率和执行方式。

     在后期的Spark版本中，DataSet会逐步取代RDD和DataFrame成为唯一的API接口。

5.1 三者的共性

1、RDD、DataFrame、Dataset全都是spark平台下的分布式弹性数据集，为处理超大型数据提供便利

2、三者都有惰性机制，在进行创建、转换，如map方法时，不会立即执行，只有在遇到Action如foreach时，三者才会开始遍历运算。

3、三者都会根据spark的内存情况自动缓存运算，这样即使数据量很大，也不用担心会内存溢出。

4、三者都有partition的概念

5、三者有许多共同的函数，如filter，排序等

6、在对DataFrame和Dataset进行操作许多操作都需要这个包进行支持 import spark.implicits._

7、DataFrame和Dataset均可使用模式匹配获取各个字段的值和类型
DataFrame:
testDF.map{
      case Row(col1:String,col2:Int)=>
        println(col1);println(col2)
        col1
      case _=>
       ""
    }
Dataset:
case class Coltest(col1:String,col2:Int)extends Serializable //定义字段名和类型
    testDS.map{
      case Coltest(col1:String,col2:Int)=>
        println(col1);println(col2)
        col1
      case _=>
        ""
    }

5.2 三者的区别

（1）RDD

RDD一般和spark mlib同时使用

RDD不支持sparksql操作

（2）DataFrame:

 a. 与RDD和Dataset不同，DataFrame每一行的类型固定为Row，每一列的值没法直接访问，只有通过解析才能获取各个字段的值，如：

testDF.foreach{

  line =>

    val col1=line.getAs[String]("col1")

    val col2=line.getAs[String]("col2")

}

b. DataFrame与Dataset一般不与spark mlib同时使用

c. DataFrame与Dataset均支持sparksql的操作，比如select，groupby之类，还能注册临时表/视窗，进行sql语句操作，如：

dataDF.createOrReplaceTempView("tmp")

spark.sql("select  ROW,DATE from tmp where DATE is not null order by DATE").show(100,false)

d. DataFrame与Dataset支持一些特别方便的保存方式，比如保存成csv，可以带上表头，这样每一列的字段名一目了然

//保存

val saveoptions = Map("header" -> "true", "delimiter" -> "\t", "path" -> "hdfs://hadoop102:9000/test")

datawDF.write.format("com.atguigu.spark.csv").mode(SaveMode.Overwrite).options(saveoptions).save()

//读取

val options = Map("header" -> "true", "delimiter" -> "\t", "path" -> "hdfs://hadoop102:9000/test")

val datarDF= spark.read.options(options).format("com.atguigu.spark.csv").load()

利用这样的保存方式，可以方便的获得字段名和列的对应，而且分隔符（delimiter）可以自由指定。

5.3. Dataset:

（1）Dataset和DataFrame拥有完全相同的成员函数，区别只是每一行的数据类型不同。

（2）DataFrame也可以叫Dataset[Row],每一行的类型是Row，不解析，每一行究竟有哪些字段，各个字段又是什么类型都无从得知，只能用上面提到的getAS方法或者共性中的第七条提到的模式匹配拿出特定字段。而Dataset中，每一行是什么类型是不一定的，在自定义了case class之后可以很自由的获得每一行的信息

case class Coltest(col1:String,col2:Int)extends Serializable //定义字段名和类型

/**

 rdd

 ("a", 1)

 ("b", 1)

 ("a", 1)

**/

val test: Dataset[Coltest]=rdd.map{line=>

      Coltest(line._1,line._2)

    }.toDS

test.map{

      line=>

        println(line.col1)

        println(line.col2)

    }

        可以看出，Dataset在需要访问列中的某个字段时是非常方便的，然而，如果要写一些适配性很强的函数时，如果使用Dataset，行的类型又不确定，可能是各种case class，无法实现适配，这时候用DataFrame即Dataset[Row]就能比较好的解决问题

5.4 IDEA创建SparkSQL程序

IDEA中程序的打包和运行方式都和SparkCore类似，Maven依赖中需要添加新的依赖项：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.1.1</version>
</dependency>

程序如下：

import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, Dataset, Row, SparkSession}

object Spark_Sql_Transform {

  def main(args: Array[String]): Unit = {
    //1.编写sparksql的conf
    val sparkConf: SparkConf = new SparkConf().setAppName("Spark_Sql_Demo").setMaster("local[*]")

    //2.创建sparksql
    val spark: SparkSession = SparkSession.builder().config(sparkConf).getOrCreate()
    //导入隐式转换，使得RDD可转换为DataFrame
    import spark.implicits._
    //3.创建RDD
    val listRDD: RDD[(Int, String, Int)] = spark.sparkContext.makeRDD(List((1, "zhangsan", 10), (2, "lisi", 20), (3, "wangwu", 30)))
    //4.转化成DF
    val df: DataFrame = listRDD.toDF("id", "name", "age")
    //5.转化成DS
    val ds: Dataset[User] = df.as[User]
    //6.转化成DF
    val df1: DataFrame = ds.toDF()
    //6.转化成RDD
    val rdd: RDD[Row] = df1.rdd
    //7.遍历数据
    rdd.foreach{
      row =>
        row.getString(1).foreach(println)
    }
    //5.释放资源
    spark.stop()
  }
}

case class User(id: Int, name: String, age: Int)

5.5 用户自定义UDF函数


import org.apache.spark.SparkConf
import org.apache.spark.sql.expressions.{Aggregator, UserDefinedAggregateFunction, UserDefinedFunction}
import org.apache.spark.sql.{DataFrame, Dataset, Encoder, Encoders, SparkSession}

object Spark_Sql_UDF {
  def main(args: Array[String]): Unit = {
    /**
      * 自定义函数，在sql中使用
      */
    //设置spark环境
    val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("Spark_Sql_UDF")
    //构建sparksession
    val spark: SparkSession = SparkSession.builder().config(conf).getOrCreate()
    import spark.implicits._
    //执行语句
    val df: DataFrame = spark.read.json("")
    //创建临时表
    //df.createOrReplaceTempView("user")
    //转化为ds
    val ds: Dataset[UserBean] = df.as[UserBean]
    //用sparksql进行查询
    //spark.sql("select * from user")
    //
    spark.udf.register("avg",AvgAge)
    ds.select("age")
    //
  }
}
case class UserBean(id : Int,name : String,age:Long)
case class AvgAge(var sum : Long,var count : Int)
//编写自定义方法类
object MyAvg extends  Aggregator[UserBean,AvgAge,Double] {
  //对数据进行初始化操作
  override def zero: AvgAge = {
    new AvgAge(0L,0)
  }
  //对数据进行聚合
  override def reduce(b: AvgAge, a: UserBean): AvgAge ={
      b.sum += a.age
      b.count += 1
      b
  }
  //不同的executor计算的结果进行合并
  override def merge(b1: AvgAge, b2: AvgAge): AvgAge = {
    b1.sum = b1.sum + b2.sum
    b1.count = b1.count + b2.count
    b1
  }
  //最终计算的结构
  override def finish(reduction: AvgAge): Double = {
    reduction.sum.toDouble / reduction.count
  }
  // 设定之间值类型的编码器，要转换成case类
  override def bufferEncoder: Encoder[AvgAge] = Encoders.product

  override def outputEncoder: Encoder[Double] = Encoders.scalaDouble

}

5.6用户自定义聚合函数

       强类型的Dataset和弱类型的DataFrame都提供了相关的聚合函数， 如 count()，countDistinct()，avg()，max()，min()。除此之外，用户可以设定自己的自定义聚合函数。

       弱类型用户自定义聚合函数：通过继承UserDefinedAggregateFunction来实现用户自定义聚合函数。下面展示一个求平均工资的自定义聚合函数。

import org.apache.spark.sql.expressions.MutableAggregationBuffer
import org.apache.spark.sql.expressions.UserDefinedAggregateFunction
import org.apache.spark.sql.types._
import org.apache.spark.sql.Row
import org.apache.spark.sql.SparkSession

object MyAverage extends UserDefinedAggregateFunction {
// 聚合函数输入参数的数据类型 
def inputSchema: StructType = StructType(StructField("inputColumn", LongType) :: Nil)
// 聚合缓冲区中值得数据类型
def bufferSchema: StructType = {
StructType(StructField("sum", LongType) :: StructField("count", LongType) :: Nil)
}
// 返回值的数据类型 
def dataType: DataType = DoubleType
// 对于相同的输入是否一直返回相同的输出。
def deterministic: Boolean = true
// 初始化
def initialize(buffer: MutableAggregationBuffer): Unit = {

// 存工资的总额
buffer(0) = 0L

// 存工资的个数
buffer(1) = 0L
}
// 相同Execute间的数据合并。 
def update(buffer: MutableAggregationBuffer, input: Row): Unit = {
if (!input.isNullAt(0)) {
buffer(0) = buffer.getLong(0) + input.getLong(0)
buffer(1) = buffer.getLong(1) + 1
}
}
// 不同Execute间的数据合并 
def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = {
buffer1(0) = buffer1.getLong(0) + buffer2.getLong(0)
buffer1(1) = buffer1.getLong(1) + buffer2.getLong(1)
}
// 计算最终结果

def evaluate(buffer: Row): Double = buffer.getLong(0).toDouble / buffer.getLong(1)
}

// 注册函数
spark.udf.register("myAverage", MyAverage)

val df = spark.read.json("examples/src/main/resources/employees.json")
df.createOrReplaceTempView("employees")
df.show()
// +-------+------+
// |   name|salary|
// +-------+------+
// |Michael|  3000|
// |   Andy|  4500|
// | Justin|  3500|
// |  Berta|  4000|
// +-------+------+

val result = spark.sql("SELECT myAverage(salary) as average_salary FROM employees")
result.show()
// +--------------+
// |average_salary|
// +--------------+
// |        3750.0|
// +--------------+

强类型用户自定义聚合函数：通过继承Aggregator来实现强类型自定义聚合函数，同样是求平均工资

import org.apache.spark.sql.expressions.Aggregator
import org.apache.spark.sql.Encoder
import org.apache.spark.sql.Encoders
import org.apache.spark.sql.SparkSession
// 既然是强类型，可能有case类
case class Employee(name: String, salary: Long)
case class Average(var sum: Long, var count: Long)

object MyAverage extends Aggregator[Employee, Average, Double] {
// 定义一个数据结构，保存工资总数和工资总个数，初始都为0
def zero: Average = Average(0L, 0L)
// Combine two values to produce a new value. For performance, the function may modify `buffer`
// and return it instead of constructing a new object
def reduce(buffer: Average, employee: Employee): Average = {
buffer.sum += employee.salary
buffer.count += 1
buffer
}
// 聚合不同execute的结果
def merge(b1: Average, b2: Average): Average = {
b1.sum += b2.sum
b1.count += b2.count
b1
}
// 计算输出
def finish(reduction: Average): Double = reduction.sum.toDouble / reduction.count
// 设定之间值类型的编码器，要转换成case类

// Encoders.product是进行scala元组和case类转换的编码器 
def bufferEncoder: Encoder[Average] = Encoders.product
// 设定最终输出值的编码器
def outputEncoder: Encoder[Double] = Encoders.scalaDouble
}

import spark.implicits._


val ds = spark.read.json("examples/src/main/resources/employees.json").as[Employee]
ds.show()
// +-------+------+
// |   name|salary|
// +-------+------+
// |Michael|  3000|
// |   Andy|  4500|
// | Justin|  3500|
// |  Berta|  4000|
// +-------+------+

// Convert the function to a `TypedColumn` and give it a name
val averageSalary = MyAverage.toColumn.name("average_salary")
val result = ds.select(averageSalary)
result.show()
// +--------------+
// |average_salary|
// +--------------+
// |        3750.0|
// +--------------+

 

我是星星我会发光i
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
《Spark SQL编程指南》
01-23
spark ，sql开发的好书，每个人都必备的，本书由浅入深，里面从入门到精通，都有详细介绍
SparkSQL 编程
weixin_30836759的博客
07-08 106
2.SparkSQL 编程 2.1 SparkSession 新的起始点 　　在老的版本中，SparkSQL 提供两种 SQL 查询起始点：一个叫 SQLContext，用于 Spark 自己 提供的 SQL 查询；一个叫 HiveContext，用于连接 Hive 的查询。 　　SparkSession 是 Spark 最新的 SQL 查询起始点，实质上是 SQLConte...
Spark SQL编程初级实践
最新发布
充满焦虑的大学生
04-30 1914
【代码】Spark SQL编程初级实践。
SparkSql编程
zhm的博客
07-01 218
SparkSql编程 1. 添加依赖文件 首先在maven项目的pom.xml中添加Spark SQL的依赖 &amp;amp;amp;amp;amp;lt;dependency&amp;amp;amp;amp;amp;gt; &amp;amp;amp;amp;amp;lt;groupId&amp;amp;amp;amp;amp;gt;org.apache.spark&amp;amp;amp;amp;amp;lt;/groupId&amp;a
SparkSQL编程
zhongqiqianga的博客
12-19 257
第1章 Spark SQL概述 1.1 什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块，它提供了2个编程抽象：DataFrame和DataSet，并且作为分布式SQL查询引擎的作用。我们已经学习了Hive，它是将Hive SQL转换成MapReduce然后提交到集群上执行，大大简化了编写MapReduc的程序的复杂性，由于MapReduce这种计算模型执...
Spark Sql编程
Li_Jian_Hui_的博客
01-03 6906
第1章 Spark SQL概述 1.1 什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块，它提供了2个编程抽象：DataFrame和DataSet，并且作为分布式SQL查询引擎的作用。 我们已经学习了Hive，它是将Hive SQL转换成MapReduce然后提交到集群上执行，大大简化了编写MapReduc的程序的复杂性，由于MapReduce这种计算模型执行效...
spark-hive-2.11和spark-sql-以及spark-hadoop包另付下载地址
05-22
在标题"spark-hive-2.11和spark-sql-以及spark-hadoop包另付下载地址"中，我们关注的是Spark与Hive的特定版本（2.11）的集成，以及Spark SQL和Spark对Hadoop的支持。这里的2.11可能指的是Scala的版本，因为Spark是用...
spark sql解析-源码分析
03-16
Spark SQL是Apache Spark项目的一部分，它是处理SQL查询和数据集成的强大工具。Spark SQL结合了DataFrame API和传统的SQL接口，使得开发人员可以灵活地在结构化和半结构化数据上进行高性能计算。在这个源码分析中，...
spark-3.2.4-bin-hadoop3.2-scala2.13 安装包
08-28
在本安装包“spark-3.2.4-bin-hadoop3.2-scala2.13”中，包含了用于运行Spark的核心组件以及依赖的Hadoop版本和Scala编程语言支持。以下是对这些关键组成部分的详细解释： 1. **Spark**: Spark的核心在于它的弹性...
spark-2.4.7-bin-hadoop2.6.tgz
03-17
3. **多模式编程**：Spark支持多种编程语言，包括Java、Scala、Python和R，这使得开发人员可以根据自己的喜好选择合适的工具。 4. **Spark SQL**：Spark SQL是Spark的一个模块，用于处理结构化数据，它集成了SQL...
Spark SQL- Relational Data Processing in Spark(Paper).rar
05-18
Spark SQL的核心是DataFrame API，它提供了一种声明式的编程模型，允许用户以结构化的方式处理数据。DataFrame可以看作是分布式的、带类型的数据集，支持各种复杂的转换和聚合操作。 2. ** Catalyst Optimizer**：...
SparkSQL编程指南中文版
08-14
开发大数据时，从DataFrame中查询数据时用到的指南：SparkSQL编程指南中文版
Spark实战高手之路-第6章Spark SQL编程动手实战(1)
03-18
Spark实战高手之路-第6章Spark SQL编程动手实战(1)
Spark SQL：Spark SQL编程
一顿吃不饱的博客
12-02 1412
文章目录Spark SQL：Spark SQL编程1、实验描述2、实验环境3、相关技能4、知识点5、实现效果6、实验步骤7、总结 Spark SQL：Spark SQL编程 1、实验描述 学习使用Spark SQL，并完成相关的实验操作。 实验时长： 45分钟 主要步骤： 启动spark-shell 使用spark外部数据API加载本地Json文件 使用DataFrame操作数据 使用SQL API操作数据 2、实验环境 虚拟机数量：1 系统版本：Centos 7.5 Scala版本：2.
【Sparksql_编程模型】
weixin_47922102的博客
01-14 246
​ sparksql 主要处理结构化数据​ 1.1结构化数据：“带有schema信息的数据”​ 1.1.1：schema：table字段的名称、字段类型半结构化数据：非结构化数据： nosql2.sparksql在spark里面是一个模块，不仅仅是sql，还有dataframe1.sparksql 性能比 spark rdd 高的原因：2.sparksql架构有关：sparksql底层跑的是 Sparkcore rdd 只是spark框架底层给做了优化。
SparkSQL核心编程
twi_twi的博客
08-22 610
SparkSQL的简单使用
SparkSQL 核心编程
weixin_47243236的博客
12-22 925
1. SparkSession 1.1 新的起点 老版本中，Spark SQL 提供两种 SQL 查询的起点，一个为 SQLContext，用于 Spark 为自己提供的 SQL 查询；另一个为 HiveContext，用于连接 Hive 查询，SparkSession 是 SparkSQL 查询的新起点。实际上是 SQLContext、HiveContext 的组合，所以在 SQLContext 和 HiveContext 上可用的 API 在 SparkSession 上同样是可以使用的。SparkSe
spark(19) -- spark sql -- 概述
03-16
Spark SQL是Apache Spark中的一个模块，它提供了一种基于结构化数据的编程接口。Spark SQL支持使用SQL语言进行数据查询和分析，并且可以与Spark的其他组件无缝集成，如Spark Streaming、MLlib和GraphX等。Spark SQL...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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