spark2：SparkSession思考与总结1

问题导读

1.你认为为何出现SparkSession？
2.SparkSession如何创建RDD？
3.SparkSession通过那个类来实例化？
4.bulider包含哪些函数？




为何出现SparkSession
对于spark1.x的版本，我们最常用的是rdd，如果我们想使用DataFrame，则需要通过rdd转换。随着dataframe和dataset使用的越来越多，所以spark就寻找了新的切入点--SparkSession。如果rdd使用SparkContext，DateFrame和DataSet使用SparkSession，然后还有SQLContext和HiveContext,想必太麻烦了。所以官网用SparkSession封装了SQLContext和HiveContext。然而在2.2版本中，StreamingContext还是单独存在的。所以我们在使用SparkStreaming，还必须使用StreamingContext来作为入口。

SparkSession如何创建RDD
这里如果你思考的话，可能会想，spark2是否还支持rdd。当然还是支持的。
这里以下面为例：
我们进入spark-shell，通过SparkSession获取sparkContext

[Scala] 纯文本查看 复制代码

?

1	val sc=spark.sparkContext

 

[Scala] 纯文本查看 复制代码

?

1	sc.makeRDD(List(1,2,3,4,5))

 

[Scala] 纯文本查看 复制代码

?

1	val rddlist=sc.makeRDD(List(1,2,3,4,5))

 

[Scala] 纯文本查看 复制代码

?

1	val rl=rddlist.map(x=>x*x)

 

[Scala] 纯文本查看 复制代码

?

1 2	println(rl.collect.mkString(",")) 1,4,9,16,25

 

SparkSession如何实例化
通过静态类Builder来实例化。
Builder又有很多方法，包括：
1.appName函数
1.appName(String name)
用来设置应用程序名字，会显示在Spark web UI中
值类型：SparkSession.Builder

2.config函数
这里有很多重载函数。其实从这里我们可以看出重载函数，是针对不同的情况，使用不同的函数，但是他们的功能都是用来设置配置项的。
1.config(SparkConf conf)
根据给定的SparkConf设置配置选项列表。
2.config(String key, boolean value)
设置配置项，针对值为boolean的
3.config(String key, double value)
设置配置项，针对值为double的
4.config(String key, long value)
设置配置项，针对值为long 的
5.config(String key, String value)
设置配置项，针对值为String 的

值类型：SparkSession.Builder

3.enableHiveSupport函数
表示支持Hive，包括 链接持久化Hive metastore, 支持Hive serdes, 和Hive用户自定义函数
值类型：SparkSession.Builder

4.getOrCreate函数
getOrCreate()
获取已经得到的 SparkSession，或则如果不存在则创建一个新的基于builder选项的SparkSession
值类型：SparkSession

5.master函数
master(String master)
设置Spark master URL 连接，比如"local" 设置本地运行，"local[4]"本地运行4cores，或则"spark://master:7077"运行在spark standalone 集群。
值类型：SparkSession.Builder

6.withExtensions函数
withExtensions(scala.Function1<SparkSessionExtensions,scala.runtime.BoxedUnit> f)
这允许用户添加Analyzer rules, Optimizer rules, Planning Strategies 或则customized parser.这一函数我们是不常见的。
值类型：SparkSession.Builder

了解了上面函数，对于官网提供的SparkSession的实例化，我们则更加容易理解

[Scala] 纯文本查看 复制代码

?

1 2 3 4 5

SparkSession.builder     .master("local")     .appName("Word Count")     .config("spark.some.config.option", "some-value")     .getOrCreate()

对于上面你是否又发现一个问题？
SparkSession.builder.master("local").appName("Word Count") .config("spark.some.config.option", "some-value").getOrCreate()
一个类才能调用它自己的函数，builder包含了上面的函数，但是master函数并不包含appName，同理其它的也是。这个该如何解释？
这时候我们看到他们的值类型都为SparkSession.Builder，每调用一次，返回值都为SparkSession.Builder，那么SparkSession.Builder能调用自己的函数，是理所当然的。
这里参考官网spark2.2文档