大数据开发之sparkSQL的使用分享

250360733

Spark之前使用RDD操作大数据，非常方便，但是也有各种问题，例如RDD每次读取的都是字符串，以及语法比较比较麻烦。针对这种情况，spark在新版本中升级RDD为DataFrame和DataSet，并使用SQL的方式去操作数据。DataFrame，RDD的升级版，分布式的数据集，并且以列的方式组合的，类似于二维表格式，除数据外保存数据结构信息
DataSet，DataFrame扩展，最新的数据抽象，相对于DataFrame，DataSet会记录字段的数据类型，并进行严格错误检查

三者的关系是RDD进化 >>> DataFrame ，DataFrame进化 >>> DataSet。

当然这里也不是说RDD不用了，而是把RDD转为底层处理，所以同学们还是需要先理解什么是RDD

常用方法

DataSet，DataFrame 的使用是依赖于SparkSession的，所以我们需要先创建SparkSession

val spark = new SparkContext(

new SparkConf().setMaster("local")

.setAppName("taobao")

read.csv("路径")

val data = spark.read.csv("data/A.csv")

val data = spark.read

.option("header","true") // 设置读取首行，这里的声明用于把数据首行作为列名【关注尚硅谷，轻松学IT】

.csv("data/A.csv")

show(num)

显示顶部num行数据

map(func)

操作和RDD中类似，不同的是需要隐式转换，在代码前加上

import spark.implicits._

data.map(

x => { // raw 可以通过下标获得到对应中，不需要切分

(x.getString(0),x.getString(1).toInt)

}

toDF("列名"...)

转换成DataFrame类型，并设置列名

select(col: String, cols: String*): DataFrame

查询指定列并返回数据

val r2 = data.select("名称",

"人均价格")

r2.show(10)

selectExpr(exprs: String*): DataFrame

执行原生的SQL中函数

data.selectExpr("count(name)")

data.selectExpr("avg(age)")

rdd

把DataFrame和DataSet转换成RDD类型

printSchema()

查看表结构

root

-- age: long (nullable = true)

-- name: string (nullable = true)

filter(Str)

执行过滤

filter("age>10")

filter("age>10 and name='张三'")

sum("列名") \ avg("列名") \ max("列名") \ min("列名") \ count()

针对列进行求和

平均值

最大值

最小值

数量

data.groupBy("age").sum("age").show()

data.groupBy("age").avg("age").show()

orderBy("列名")

排序

val r2 = data.map(

x => {

(x.getString(0),x.getString(1).toInt)

}

).toDF("名称","评论数")

.orderBy("评论数")

r2.show(10)

这里注意如果需要降序需要

val r2 = data.map(

x => {

(x.getString(0),x.getString(1).toInt)

}

).toDF("名称","评论数")

.orderBy(desc("评论数"))

r2.show(10)

注意导入import org.apache.spark.sql.functions.desc

除了上述的方法外，Spark还支持直接使用SQL的方式操作数据，方法如下

createOrReplaceTempView(str)

创建临时表，注意使用SQL的时候需要根据当前数据创建临时表，这样才可以在SQL里面使用

data.createOrReplaceTempView("user")

sql(str)

在当前数据集上执行SQL语句

val result = spark.sql("select name from user")

result.show()

val count = spark.sql("select count(*) from user")

count.show()

spark.udf.register(fName,func)

自定义一个函数，用于SQL中处理

spark.udf.register("f1",(x:String) => (x+"a"))

val result = spark.sql("select f1(name) from user")

result.show()

原创作者：浩哥