spark第五章:SparkSQL实例

系列文章目录

spark第一章:环境安装
spark第二章:sparkcore实例
spark第三章:工程化代码
spark第四章:基本操作
spark第五章:SparkSQL实例



前言

上一次我们介绍了一下SparkSQL的基本操作,这次我们来完成一个项目实例.


一、数据准备

我们这次 Spark-sql 操作中所有的数据均来自 Hive,首先在 Hive 中创建表,,并导入数据。
一共有 3 张表: 1 张用户行为表,1 张城市表,1 张产品表.
具体数据去尚硅谷找.

1.数据导入

现在Hive里边创建一个atguigu数据库
在这里插入图片描述

SparkSql_Test.scala

package com.atguigu.bigdata.spark.sql

import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession

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

    // 变更系统用户为atguigu
    System.setProperty("HADOOP_USER_NAME","atguigu")

    val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("sparkSql")
    val spark: SparkSession = SparkSession.builder().enableHiveSupport().config(sparkConf).getOrCreate()


    spark.sql("use atguigu")
    //准备数据
    spark.sql(
      """
        |CREATE TABLE `user_visit_action`(
        | `date` string,
        | `user_id` bigint,
        | `session_id` string,
        | `page_id` bigint,
        | `action_time` string,
        | `search_keyword` string,
        | `click_category_id` bigint,
        | `click_product_id` bigint,
        | `order_category_ids` string,
        | `order_product_ids` string,
        | `pay_category_ids` string,
        | `pay_product_ids` string,
        | `city_id` bigint)
        |row format delimited fields terminated by '\t'
        |""".stripMargin)

    spark.sql(
      """
        |load data local inpath 'datas/user_visit_action.txt' into table atguigu.user_visit_action
        |""".stripMargin)

    spark.sql(
      """
        |CREATE TABLE `product_info`(
        | `product_id` bigint,
        | `product_name` string,
        | `extend_info` string)
        |row format delimited fields terminated by '\t'
        |""".stripMargin)
    spark.sql(
      """
        |load data local inpath 'datas/product_info.txt' into table atguigu.product_info
        |""".stripMargin)

    spark.sql(
      """
        |CREATE TABLE `city_info`(
        | `city_id` bigint,
        | `city_name` string,
        | `area` string)
        |row format delimited fields terminated by '\t'
        |""".stripMargin)

    spark.sql(
      """
        |load data local inpath 'datas/city_info.txt' into table atguigu.city_info
        |""".stripMargin)
	//随便输出一下
    spark.sql("""select * from city_info""").show

    spark.close()

  }

}

正常输出代表执行成功
在这里插入图片描述
在这里插入图片描述

二、项目实例

1.需求简介

这里的热门商品是从点击量的维度来看的,计算各个区域前三大热门商品,并备注上每个商品在主要城市中的分布比例,超过两个城市用其他显示.
在这里插入图片描述

2.需求分析

  • 查询出来所有的点击记录,并与 city_info 表连接,得到每个城市所在的地区,与Product_info 表连接得到产品名称
  • 按照地区和商品 id 分组,统计出每个商品在每个地区的总点击次数 每个地区内按照点击次数降序排列
  • 只取前三名
  • 城市备注需要自定义 UDAF 函数

3.功能实现

  • 连接三张表的数据,获取完整的数据(只有点击)
  • 将数据根据地区,商品名称分组
  • 统计商品点击次数总和,取 Top3
  • 实现自定义聚合函数显示备注

4.代码实现

SparkSql_Test1.scala

package com.atguigu.bigdata.spark.sql

import org.apache.spark.SparkConf
import org.apache.spark.sql.{Encoder, Encoders, SparkSession, functions}
import org.apache.spark.sql.expressions.Aggregator

import scala.collection.mutable
import scala.collection.mutable.ListBuffer

object SparkSql_Test1 {
  def main(args: Array[String]): Unit = {

    System.setProperty("HADOOP_USER_NAME","atguigu")

    val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("sparkSql")
    val spark: SparkSession = SparkSession.builder().enableHiveSupport().config(sparkConf).getOrCreate()

    spark.sql("use atguigu")

    //查询基本数据
    spark.sql(
      """
        |   SELECT
        |   	  a.*,
        |   	  p.product_name ,
        |   	  c.area ,
        |   	  c.city_name
        |   FROM user_visit_action a
        |   join product_info p on a.click_category_id = p.product_id
        |   JOIN city_info c on a.city_id =c.city_id
        |   WHERE a.click_product_id >-1
        |""".stripMargin).createOrReplaceTempView("t1")

    spark.udf.register("cityRemark",functions.udaf(new CityRemakeUDAF()))
    // 根据区域,商品进行数据聚合
    spark.sql(
      """
        |  select
        |     area,
        |     product_name,
        |     count(*) as clickCnt,
        |     cityRemark(city_name) as cityremake
        |  from t1 group by area,product_name
        |""".stripMargin).createOrReplaceTempView("t2")

    // 区域内对点击数量进行排行
    spark.sql(
      """
        |  select
        |      *,
        |      rank() over (partition by area order by clickCnt desc ) as rank
        |  from t2
        |""".stripMargin).createOrReplaceTempView("t3")

    //取前三名
    spark.sql(
      """
        | select
        |   *
        | from t3 where rank<=3
        |
        |""".stripMargin).show(truncate = false)

    spark.close()

  }

  case class Buffer(var total :Long,var cityMap:mutable.Map[String,Long])

  //自定义函数:实现城市备注功能
  class CityRemakeUDAF extends Aggregator[String,Buffer,String]{
    override def zero: Buffer = {
      Buffer(0,mutable.Map[String,Long]())
    }

    override def reduce(buff: Buffer, city: String): Buffer = {
      buff.total+=1
      val newCount: Long = buff.cityMap.getOrElse(city,0L)+1
      buff.cityMap.update(city,newCount)
      buff
    }

    override def merge(buff1: Buffer, buff2: Buffer): Buffer = {
      buff1.total+=buff2.total

      val map1=buff1.cityMap
      val map2=buff2.cityMap
//      buff1.cityMap=map1.foldLeft(map2){
//        case (map , (city,cnt)) =>{
//          val newCount: Long = map.getOrElse(city, 0L) + cnt
//          map.update(city,newCount)
//          map
//        }
//      }

      map2.foreach{
        case (city,cnt)=>{
          val newCount: Long = map1.getOrElse(city,0L)+cnt
          map1.update(city,newCount)
        }
      }

      buff1.cityMap=map1
      buff1

    }

    override def finish(buff: Buffer): String = {
      val remarkList =ListBuffer[String]()

      val totalcnt: Long = buff.total
      val cityMap: mutable.Map[String, Long] = buff.cityMap

      val cityCntList: List[(String, Long)] = cityMap.toList.sortWith(
        (left, right) => {
          left._2 > right._2
        }
      ).take(2)

      val hasMore: Boolean = cityMap.size > 2
      var rsum=0L
      cityCntList.foreach{
        case (city,cnt)=>{
          var r=cnt*100/totalcnt
          remarkList.append(s"${city} ${r}%")
          rsum+=r
        }
      }
      if (hasMore){
        remarkList.append(s"其他 ${100-rsum}%")
      }

      remarkList.mkString(",")
    }

    override def bufferEncoder: Encoder[Buffer] = Encoders.product

    override def outputEncoder: Encoder[String] = Encoders.STRING
  }

}

在这里插入图片描述


总结

SparkSQL的内容到这里基本就结束了,下一步开始学习SparkStreaming

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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