SparkSql学习笔记(包含IDEA编写的本地代码)
Spark SQL and DataFrame
1.为什么要用Spark Sql
原来我们使用Hive,是将Hive Sql 转换成Map Reduce 然后提交到集群上去执行,大大简化了编写MapReduce的程序的复杂性,由于MapReduce这种计算模型执行效率比较慢,所以Spark Sql的应运而生,它是将SparkSql转换成RDD,然后提交到集群执行,执行效率非常的快。
Spark Sql的有点:1、易整合 2、统一的数据访问方式 3、兼容Hvie 4、标准的数据连接
2、DataFrames
什么是DataFrames?
与RDD类似,DataFrames也是一个分布式数据容器,然而DataFrame更像是传统数据库的二维表格,除了数据以外,还记录数据的结构信息,即schema。同时,与Hive类似,DataFrame与支持嵌套数据类型(struct、array和map)。从API的易用性上看,DataFrame API提供的是一套高层的关系操作,比函数式的RDD API要更加友好,门槛更低。由于与R和Pandas的DataFrame类似,Spark DataFrame很好地继承了传统单机数据分析的开发体验。
创建DataFrames
在Spark SQL中SQLContext是创建DataFrames和执行SQL的入口,在spark-1。5.2中已经内置了一个sqlContext。
1.在本地创建一个文件,有三列,分别是id、name、age,用空格分隔,然后上传到hdfs上
hdfs dfs -put person.txt /
2.在spark shell执行下面命令,读取数据,将每一行的数据使用列分隔符分割
val lineRDD = sc.textFile("hdfs://hadoop01:9000/person.txt").map(_.split(" "))
3.定义case class(相当于表的schema)
case class Person(id:Int, name:String, age:Int)
4.将RDD和case class关联
val personRDD = lineRDD.map(x => Person(x(0).toInt, x(1), x(2).toInt))
5.将RDD转换成DataFrame
val personDF = personRDD.toDF
6.对DataFrame进行处理
personDF.show
代码:
object SparkSqlTest { def main(args: Array[String]): Unit = {
val conf = new SparkConf().setMaster("local").setAppName("SQL-1")
val sc = new SparkContext(conf)
fun1(sc)
}
//定义case class 相当于表的schema
case class Person(id:Int,name:String,age:Int) def fun1(sc:SparkContext): Unit ={
val sqlContext = new SQLContext(sc)
// 位置一般情况下是换成HDFS文件路径
val lineRdd = sc.textFile("D:\\data\\person.txt").map(_.split(" ")) val personRdd = lineRdd.map(x=>Person(x(0).toInt,x(1),x(2).toInt)) import sqlContext.implicits._
val personDF = personRdd.toDF
//注册表
personDF.registerTempTable("person_df") //传入sql
val df = sqlContext.sql("select * from person_df order by age desc") //将结果以JSON的方式存储到指定位置
df.write.json("D:\\data\\personOut")
sc.stop() }
DataFrame 常用操作
DSL风格语法(个人理解短小精悍的含义)
// 查看DataFrame部分列中的内容
df.select(personDF.col("name")).show()
df.select(col = "age").show()
df.select("id").show() // 打印DataFrame的Schema信息
df.printSchema() //查询所有的name 和 age ,并将 age+2
df.select(df("id"),df("name"),df("age")+2).show() //查询所有年龄大于20的
df.filter(df("age")>20).show() // 按年龄分组并统计相同年龄人数
df.groupBy("age").count().show()
SQL风格语法(前提:需要将DataFrame注册成表)
//注册成表
personDF.registerTempTable("person_df") // 查询年龄最大的两位 并用对象接接收
val persons = sqlContext.sql("select * from person_df order by age desc limit 2")
persons.foreach(x=>print(x(0),x(1),x(2)))
通过StructType直接指定Schema
/*通过StructType直接指定Schema*/
def fun2(sc: SparkContext): Unit = {
val sqlContext = new SQLContext(sc)
val personRDD = sc.textFile("D:\\data\\person.txt").map(_.split(" "))
// 通过StructType直接指定每个字段的Schema
val schema = StructType(List(StructField("id", IntegerType, true), StructField("name", StringType, true), StructField("age", IntegerType)))
//将rdd映射到RowRDD
val rowRdd = personRDD.map(x=>Row(x(0).toInt,x(1).trim,x(2).toInt))
//将schema信息应用到rowRdd上
val dataFrame = sqlContext.createDataFrame(rowRdd,schema)
//注册
dataFrame.registerTempTable("person_struct") sqlContext.sql("select * from person_struct").show() sc.stop() }
连接数据源
/*连接mysql数据源*/
def fun3(sc:SparkContext): Unit ={
val sqlContext = new SQLContext(sc)
val jdbcDF = sqlContext.read.format("jdbc").options(Map("url"->"jdbc:mysql://192.168.180.100:3306/bigdata","driver"->"com.mysql.jdbc.Driver","dbtable"->"person","user"->"root","password"->"123456")).load()
jdbcDF.show()
sc.stop()
}
再回写到数据库中
// 写入数据库
val personTextRdd = sc.textFile("D:\\data\\person.txt").map(_.split(" ")).map(x=>Row(x(0).toInt,x(1),x(2).toInt)) val schema = StructType(List(StructField("id", IntegerType), StructField("name", StringType), StructField("age", IntegerType))) val personDataFrame = sqlContext.createDataFrame(personTextRdd,schema) val prop = new Properties()
prop.put("user","root")
prop.put("password","123456")
//写入数据库
personDataFrame.write.mode("append").jdbc("jdbc:mysql://192.168.180.100:3306/bigdata","bigdata.person",prop) sc.stop()
SparkSql学习笔记(包含IDEA编写的本地代码)的更多相关文章
- AM335x(TQ335x)学习笔记——触摸屏驱动编写
前面几篇文章已经通过配置DTS的方式完成了多个驱动的移植,接下来我们解决TQ335x的触摸驱动问题.由于种种原因,TQ335x的触摸屏驱动是以模块方式提供的,且Linux官方内核中也没有带该触摸屏的驱 ...
- SparkSQL学习笔记
概述 冠状病毒来临,宅在家中给国家做贡献之际,写一篇随笔记录SparkSQL的学习笔记,目的有二,一是记录整理之前的知识作为备忘录,二是分享技术,大家共同进步,有问题也希望大家不吝赐教.总体而言,大数 ...
- Android学习笔记(第一篇)编写第一个程序Hello World+Activity
PS:终于开始正式的搞Android了...无人带的一介菜鸟,我还是自己默默的努力吧... 学习内容: 1.编写第一个Hello World程序.. 学习Android,那么就需要有一个编译器来集 ...
- 【大数据】SparkSql学习笔记
第1章 Spark SQL概述 1.1 什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块,它提供了2个编程抽象:DataFrame和 DataSet,并且作为分布式 ...
- <深入理解JavaScript>学习笔记(1)_编写高质量JavaScript代码的基本要点
注:本文是拜读了 深入理解JavaScript 之后深有感悟,故做次笔记方便之后查看. JQuery是一个很强大的JavaScript 类库,在我刚刚接触JavaScript的就开始用了. JQuer ...
- ROS学习笔记三:编写第一个ROS节点程序
在编写第一个ROS节点程序之前需要创建工作空间(workspace)和功能包(package). 1 创建工作空间(workspace) 创建一个catkin_ws: #注意:如果使用sudo一次 ...
- CSS学习笔记——包含块 containing block
以下内容翻译自CSS 2.1官方文档.网址:https://www.w3.org/TR/CSS2/visudet.html#strut 有时,一个元素的盒子的位置和尺寸根据一个确定的矩形计算,这个确定 ...
- jquery学习笔记-----插件开发的编写总结
一.对jQuery对象的扩展 ;(function($){ $.fn.extend( { fun1:abc,fun2:1bc … } ) })(jQuery) 这里采用立即执行模式,即不用调用也能执 ...
- EntityFramework Core 学习笔记 —— 包含与排除属性
原文地址:https://docs.efproject.net/en/latest/modeling/included-properties.html 在模型中包含一个属性意味着 EF 拥有了这个属性 ...
随机推荐
- [小米OJ] 8. 最少交换次数
求逆序对数即可 function solution(line) { var nums = line.split(","); var res = 0; for (let i = 0; ...
- C/C++用new、delete分配回收堆中空间
int *CreateList() 10 { 11 int a[5]; 12 int *a = new int[5]; 13 delete[] a; 14 15 int a(5); 16 int a ...
- layer设置maxWidth及maxHeight解决方案
layer介绍 layer是一款近年来备受青睐的web弹层组件,她具备全方位的解决方案,致力于服务各水平段的开发人员,您的页面会轻松地拥有丰富友好的操作体验.下载及使用访问官方网站. area属性 l ...
- MVC WebApi 实现Token验证
基于令牌的认证 我们知道WEB网站的身份验证一般通过session或者cookie完成的,登录成功后客户端发送的任何请求都带上cookie,服务端根据客户端发送来的cookie来识别用户. WEB A ...
- java练习---7
//程序员:罗元昊 2017.10.7 import java.util.Scanner; public class L { public static void main(String[] args ...
- the license has been canceled
ideal 的 注册码并没有失效,却显示这个信息 the license has been canceled 如果用的是Windows系统,在hosts文件添加下边的ip及映射 0.0.0.0 acc ...
- Appium+python自动化(二十六)- 烟花一瞬,昙花一现 -Toats提示(超详解)
简介 今天宏哥在这里首先给小伙伴们和童鞋们分享一个有关昙花的小典故:话说昙花原是一位花神,她每天都开花,四季都灿烂.她还爱上了每天给她浇水除草的年轻人.后来,此事给玉帝得知.于是,玉帝大发雷霆,要拆散 ...
- CodeForces 372 A. Counting Kangaroos is Fun
题意,有n只袋鼠,没每只袋鼠有个袋子,大小为si,一个袋鼠可以进入另外一个袋鼠的袋子里面,当且仅当另一个袋鼠的袋子是他的二倍或二倍一上,然后中国袋鼠就是不可见的,不能出现多个袋鼠嵌套的情况.让你求最少 ...
- 用大白话告诉你 :Java 后端到底是在做什么?
阅读本文大概需要 6 分钟. 作者:黄小斜 新手程序员通常会走入一个误区,就是认为学习了一门语言,就可以称为是某某语言工程师了.但事实上真的是这样吗?其实并非如此. 今天我们就来聊一聊,Java 开发 ...
- windows下hexo+github搭建个人博客
网上利用hexo搭建博客的教程非常多,大部分内容都大同小异,选择一篇合适的参考,跟着一步一步来即可. 但是,很多博客由于发布时间较为久远等问题,其中某些操作在现在已不再适用,从而导致类似于我这样的小白 ...