Spark SQL基本操作

熟悉 Spark SQL 基本操作

启动 Spark shell

 

将下列 json 数据添加到 Linux 系统中，并保存命名为 example.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" }

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

 

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/example.json")

(1) 查询 DataFrame 的所有数据

scala> df.show()

 

(2) 查询所有数据，并去除重复的数据

scala> df.distinct().show()

(3) 查询所有数据，打印时去除 id 字段

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

(4) 筛选 age>30 的记录

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

(5) 将数据按 name 分组

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

(6) 将数据按 name 升序排列

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

(7) 取出前 3 行数据

scala> df.take(3) 或 scala> df.head(3)

(8) 查询所有记录的 name 列，并为其取别名为 username

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