SparkSQL入门案例

本文是一篇SparkSQL入门教程,涵盖了如何将JSON数据转化为table、RDD转化为DataFrame、直接读取数据库表为DataFrame,以及使用自定义函数(UDF, UDAF)的实践案例。" 99711726,8529938,C语言中的函数指针详解,"['C语言', '函数指针']
摘要由CSDN通过智能技术生成

一、将JSON格式的数据转化为table

1、SparkSQL的数据源

SparkSQL的数据源可以是JSON类型的字符串,JDBC,Parquent,Hive,HDFS等。

{"name":"zhangsan","age":20}
{"name":"lisi"}
{"name":"wangwu","age":18}
{"name":"wangwu","age":18}

2、依赖jar包(2.4.4版本有2.11和2.12两种,注意使用的core是哪种)

<dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>2.4.4</version>
        </dependency>

 3、scala代码

 def main(args: Array[String]): Unit = {

    val spark: SparkSession = SparkSession.builder().appName("SQLTest").master("local").getOrCreate()

    val df: DataFrame = spark.read.format("json").load("e:\\json")
    //打印图表,相当于desc查看表结构
//    df.printSchema()
    //相当于查询表
//    df.show()
//取出表中的值生成RDD
    val rdd: RDD[Row] = df.rdd
    rdd.foreach(row=>{
      val name: Long = row.getAs[Long]("age")
      val age: String = row.getAs[String]("name")
      println(s"name = $name,age = $age")
    })
df.printSchema()打印结果

df.show()打印结果

 

二、将RDD转化为table

1、数据源

2、scala代码

import org.apache.spark.rdd.RDD
import org.apache.spark.sql.types.{IntegerType, LongType, StringType, StructField, StructType}
import org.apache.spark.sql.{DataFrame, Row, SparkSession}

object SQLTest {
  def main(args: Array[String]): Unit = {

    //一个applaction只能有一个SparkContext,getOrCreate()的作用就是如果前边没有这个对象,就创建一个,如果在这个方法之后再
    // 创建SparkContext就会报错
    val spark: SparkSession = SparkSession.builder().appName("SQLTest").master("local").getOrCreate()

    val lines: RDD[String] = spark.sparkContext.textFile("e:\\persion")
    val rowRDD: RDD[Row] = lines.map(line => {
      val arr: Array[String] = line.split(",")
      Row(arr(0).toInt, arr(1), arr(2).toInt, arr(3).toLong)
    })

    rowRDD.foreach(println)

    //规定表的结构类型
    val structType = StructType(List[StructField](
      StructField("id",IntegerType,nullable=true),
      StructField("name",StringType,nullable=true),
      StructField("age",IntegerType,nullable = true),
      StructField("score",LongType,nullable = true)
    ))

    //将RDD转化为table
    val frame: DataFrame = spark.createDataFrame(rowRDD,structType)
    frame.show()
  }
}

3、处理结果

三、直接读取数据库的表,转化成DataFrame

def main(args: Array[String]): Unit = {
    val spark: SparkSession = SparkSession.builder().appName("SQLTest").master("local").getOrCreate()
    spark.sparkContext.setLogLevel("ERROR")
    //读取mysql的方式
    val properties = new Properties()
    properties.setProperty("user","root")
    properties.setProperty("password","123456")
    val result: DataFrame = spark.read.jdbc("jdbc:mysql://localhost:3306/userdb","user",properties)
    result.show()
  }

结果

四、自定义函数UDF

def main(args: Array[String]): Unit = {
    val spark: SparkSession = SparkSession.builder().appName("SQLTest").master("local").getOrCreate()
    val name: List[String] = List[String]("zhangsan","lisi","wangwu","zhaoliu")
    import spark.implicits._
    val df: DataFrame = name.toDF("name")
    df.createOrReplaceTempView("student")

    //创建UDF自定义函数的方法
    spark.udf.register("STRLEN",(name:String)=>{
      name.length
    })
    
    spark.sql("select name,STRLEN(name) as length from student sort by length desc").show()
  }

执行结果

 

五、自定义函数UDAF

package com.bjsxt.scalaspark.sql.UDF_UDAF

import org.apache.spark.sql.expressions.{MutableAggregationBuffer, UserDefinedAggregateFunction}
import org.apache.spark.sql.types._
import org.apache.spark.sql.{DataFrame, Row, SparkSession}

/**
 *UserDefinedAggregateFunction 用户自定义聚合函数 抽象类
 */
class MyUDAF extends UserDefinedAggregateFunction  {
  //输入数据的类型
  def inputSchema: StructType = {
    DataTypes.createStructType(Array(DataTypes.createStructField("uuuu", StringType, true)))
  }

  /**
   * 为每个分组的数据执行初始化值
   * 两个部分的初始化:
   *   1.在map端每个RDD分区内,在RDD每个分区内 按照group by 的字段分组,每个分组都有个初始化的值
   *   2.在reduce 端给每个group by 的分组做初始值
   */
  def initialize(buffer: MutableAggregationBuffer): Unit = {
    buffer(0) = 0
  }
  // 每个组,有新的q值进来的时候,进行分组对应的聚合值的计算
  def update(buffer: MutableAggregationBuffer, input: Row): Unit = {
    buffer(0) = buffer.getAs[Int](0)+1
  }
  // 最后merger的时候,在各个节点上的聚合值,要进行merge,也就是合并
  def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = {
    buffer1(0) = buffer1.getAs[Int](0)+buffer2.getAs[Int](0)
  }
  // 聚合操作时,所处理的数据的类型
  def bufferSchema: StructType = {
    DataTypes.createStructType(Array(DataTypes.createStructField("QQQQ", IntegerType, true)))
  }
  //  
  def evaluate(buffer: Row): Any = {
    buffer.getAs[Int](0)
  }
  // 最终函数返回值的类型
  def dataType: DataType = {
    DataTypes.IntegerType
  }
  //多次运行 相同的输入总是相同的输出,确保一致性
  def deterministic: Boolean = {
    true
  }
}

object UDAF {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().master("local").appName("UDAF").getOrCreate()
    val nameList: List[String] = List[String]("zhangsan", "lisi", "lisi", "lisi", "lisi", "wangwu", "zhangsan", "lisi", "zhangsan", "wangwu")
    import spark.implicits._
    val frame: DataFrame = nameList.toDF("name")
    frame.createOrReplaceTempView("students")

    //select  name ,count(*) from table group by name
    /**
     * 注册UDAF函数
     *
     */
    spark.udf.register("NAMECOUNT",new MyUDAF())

    spark.sql("select name,NAMECOUNT(name) as count from students group by name").show(100)
  }
}

 

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