SparkSQL簡(jiǎn)單使用

==> 什么是 Spark SQL？

創(chuàng)新互聯(lián)公司專注于企業(yè)營(yíng)銷型網(wǎng)站建設(shè)、網(wǎng)站重做改版、射洪網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、H5場(chǎng)景定制、成都商城網(wǎng)站開發(fā)、集團(tuán)公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)公司、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁(yè)設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為射洪等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

---> Spark SQL 是 Spark 用來(lái)處理結(jié)構(gòu)化數(shù)據(jù)的一個(gè)模塊

---> 作用：提供一個(gè)編程抽象（DataFrame）并且作為分布式 SQL 查詢引擎

---> 運(yùn)行原理：將 Spark SQL 轉(zhuǎn)化為 RDD，然后提交到集群執(zhí)行

---> 特點(diǎn)：

---- 容易整合

---- 統(tǒng)一的數(shù)據(jù)訪問方式

---- 兼容 Hive

---- 標(biāo)準(zhǔn)的數(shù)據(jù)連接

==> SparkSession

---> 特點(diǎn)：（2.0引用 SparkSession）

---- 為用戶提供一個(gè)統(tǒng)一的切入點(diǎn)使用Spark 各項(xiàng)功能

---- 允許用戶通過它調(diào)用 DataFrame 和 Dataset 相關(guān) API 來(lái)編寫程序

---- 減少了用戶需要了解的一些概念，可以很容易的與 Spark 進(jìn)行交互

---- 與 Spark 交互之時(shí)不需要顯示的創(chuàng)建 SparkConf, SparkContext 以及 SQlContext，這些對(duì)象已經(jīng)封閉在 SparkSession 中

==> DataFrames 組織成命名列的數(shù)據(jù)集，等同于數(shù)據(jù)庫(kù)中的表

---> 與 RDD 相比較：

---- RDD 是分布式的 Java 對(duì)象的集合

---- DataFrame 是分布式 Row 對(duì)象的集合

---> 創(chuàng)建 DataFrames

---- 通過 case class 創(chuàng)建 DataFrames

// 定義 case class (相當(dāng)于表的結(jié)構(gòu))
case class Emp(Empno:Int, ename:String, job:String, mgr:String, hiredate:String, sal:Int, comm:String, deptno:Int)   

// 將 HDFS 上的數(shù)據(jù)讀入 RDD， 并將 RDD 與 case class 關(guān)聯(lián)
val lines = sc.textFile("hdfs://bigdata0:9000/input/emp.csv").map(_.split(","))
val emp = lines.map(x=> Emp(x(0).toInt, x(1), x(2), x(3), x(4), x(5).toInt, x(6), x(7).toInt)) `

// 將RDD 轉(zhuǎn)換成 DataFrames
val empDF = emp.toDF

// 通過 DataFrames 查詢數(shù)據(jù)
empDF.show

---- 通過 SparkSession 創(chuàng)建 DataFrames

// 創(chuàng)建 StructType 來(lái)定義結(jié)構(gòu)，注意，需要先導(dǎo)入模塊
import org.apache.spark.sql.types._
val myschema = StructType(List(
                StructField("empno", DataTypes.IntegerType), 
                StructField("ename", DataTypes.StringType),
                StructField("job", DataTypes.StringType),
                StructField("mgr", DataTypes.StringType),
                StructField("hiredate", DataTypes.StringType),
                StructField("sal", DataTypes.IntegerType),
                StructField("comm", DataTypes.StringType),
                StructField("deptno", DataTypes.IntegerType)
                ))
                
// 讀入數(shù)據(jù)且切分?jǐn)?shù)據(jù)
val empcsvRDD = sc.textFile("hdfs://bigdata0:9000/input/emp.csv").map(_.split(","))
// 將 RDD 數(shù)據(jù)映射成 Row，需要 import org.apache.spark.sql.Row
import org.apache.spark.sql.Row
val rowRDD = empcsvRDD.map(line=> Row(line(0).toInt, line(1), line(2), line(3),line(4), line(5).toInt, line(6), line(7).toInt)
// 創(chuàng)建 DataFrames
val df = spark.createDataFrame(rowRDD, myschema)
// 查看表
df.show

---- 使用 Json 文件來(lái)創(chuàng)建 DataFrame

val df = spark.read.json("Json 文件")
// 查看數(shù)據(jù)
df.show

---> DataFrame 操作 DataFrame 操作也稱為無(wú)類型的 Dataset操作

---- 查詢所有員工姓名

df.select("ename").show

---- 查詢所有員工姓名和薪水，并給薪水加 100 元

df.select($"ename", $"sal", $"sal"+ 100).show

---- 查詢工資大于2000的員工

df.select($"sal" > 2000).show

---- 求每個(gè)部門員工數(shù)

df.groupBy($"deptno").count.show

---- 在 DataFrame 中使用 SQL 語(yǔ)句注：需要首先將 DataFrame 注冊(cè)成表（視圖）

df.createOrReplaceTempView("emp")
// 執(zhí)行查詢
spark.sql("select * from emp").show

---> 臨時(shí)視圖（2種）：

---- 只在當(dāng)前會(huì)話中有效 df.createOrReplaceTempView("emp1")

---- 在全局有效 df.createGlobalTempView("emp2")

==> Datasets

---> 數(shù)據(jù)的分布式集合

--->特點(diǎn)：

---- Spark1.6中添加的新接口，是DataFrame之上更高一級(jí)的抽象

---- 提供了 RDD的優(yōu)點(diǎn)（強(qiáng)類型化，使用 lambda函數(shù)的能力）

---- Spark SQL 優(yōu)化后的執(zhí)行引擎

---- 可以從 JVM 對(duì)象構(gòu)造，然后使用函數(shù)轉(zhuǎn)換（map, flatMap, filter等）去操作

---- 支持 Scala 和 Java，不支持 Python

---> 創(chuàng)建 DataSet

---- 使用序列

// 定義 case class
case class MyData(a:String, b:String)
// 生成序列并創(chuàng)建 DataSet
val ds = Seq(MyData(1, "Tom"), MyData(2, "Mary")).toDS
// 查看結(jié)果
ds.show

---- 使用 Json 數(shù)據(jù)

// 定義 case class 
case class Person(name:String, gender:String)
//通過 Json 數(shù)據(jù)生成 DataFrame
val df = spark.read.json(sc.parallelize("""{"gender":"Male", "name": "Tom"}""" ::Nil))
// 將 DataFrame 轉(zhuǎn)成 DataSet
df.as[Person].show
df.as[Person].collect

---- 通過使用 DHFS 執(zhí)行 WordCount 程序

// 讀取 HDFS 數(shù)據(jù)，并創(chuàng)建 DataSet
val linesDS = spark.read.text("hdfs://bigdata0:9000/input/data.txt").as[String]
// 對(duì)DataSet 進(jìn)行操作：分詞后， 查詢長(zhǎng)度大于3 的單詞
val words = linesDS.flatMap(_.split(" ")).filter(_.length > 3)
// 查看結(jié)果
words.show
words.collect

// 執(zhí)行wordcount 程序
val result = linesDS.flatMap(_.split(" ").map((_.1)).groupByKey(x=> x._1).count)
result.show
// 排序
result.orderBy($"value").show

==> Datasets 操作

---> joinWith 和 join 的區(qū)別是連接后的新 Dataset 的 schema 會(huì)不一樣

// 使用 emp.json 生成 DataFrame
val empDF = spark.read.json("/root/resources/emp.json")
// 查詢工資大于 3000 的員工
empDF.where($"sal" > 3000).show
// 創(chuàng)建 case class
case class Emp(empno:Lone, ename:String, job:String, hiredate:String, mgr:String, sal:Long, comm:String, deptno:Long)
// 生成 DataSets，并查詢數(shù)據(jù)
val empDS = empDF.as[Emp]
// 查詢工資大于 3000 的員工
empDS.filter(_.sal > 3000).show
// 查看 10 號(hào)部門的員工
empDS.filter(_.deptno == 10)
// 多表查詢
// 1.創(chuàng)建部門表
val deptRDD = sc.textFile("/test/dept.csv").map(_.split(","))
case class Dept(deptno:Int, dname:String, loc:String)
val deptDS = deptRDD.map(x=>Dept(x(0).toInt, x(1), x(2))).toDS

// 2.創(chuàng)建員工表
case class Emp(empno:Int, ename:String, job:String, mgr:String, hiredate:String, sal:Int, comm:String, deptno:Int)
val empRDD = sc.textFile("/test/emp.csv").map(_.split(","))
val empDS = empRDD.map(x=> Emp(x(0).toInt, x(1), x(2), x(3), x(4), x(5).toInt, x(6), x(7).toInt))

// 3.執(zhí)行多表查詢： 等值鏈接
val result = deptDF.join(empDS, "deptno")

// 另一種寫法： 注意有三個(gè)等號(hào)
val result = deptDS.joinWith(empDS, deptDS("deptno") === empDS("deptno"))
// 查看執(zhí)行計(jì)劃
result.explain

分享標(biāo)題：SparkSQL簡(jiǎn)單使用
文章分享：http://bm7419.com/article30/jcehso.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供域名注冊(cè)、網(wǎng)頁(yè)設(shè)計(jì)公司、服務(wù)器托管、手機(jī)網(wǎng)站建設(shè)、動(dòng)態(tài)網(wǎng)站、品牌網(wǎng)站制作

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容