spark SQL学习 1 spark SQL基本操作 2 编程实现将 RDD 转换为 DataFrame 3|0编程实现利用 DataFrame 读写 MySQL 的数据
将下列 JSON 格式数据复制到 Linux 系统中,并保存命名为 employee.json。
{ "id":1 , "name":" Ella" , "age":36 }
{ "id":2, "name":"Bob","age":29 }
{ "id":3 , "name":"Jack","age":29 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":5 , "name":"Damon" }
{ "id":5 , "name":"Damon" }
为 employee.json 创建 DataFrame,并写出 Scala 语句完成下列操作:
(1) 查询所有数据;
(2) 查询所有数据,并去除重复的数据;
(3) 查询所有数据,打印时去除 id 字段;
(4) 筛选出 age>30 的记录;
(5) 将数据按 age 分组;
(6) 将数据按 name 升序排列;
(7) 取出前 3 行数据;
(8) 查询所有记录的 name 列,并为其取别名为 username;
(9) 查询年龄 age 的平均值;
(10) 查询年龄 age 的最小值。
2 编程实现将 RDD 转换为 DataFrame
源文件内容如下(包含 id,name,age):
1,Ella,36
2,Bob,29
3,Jack,29
请将数据复制保存到 Linux 系统中,命名为 employee.txt,实现从 RDD 转换得到DataFrame,并按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有数据。请写出程序代码。
package cn.itcast.spark.mook
import org.apache.spark.sql.SparkSession
import org.junit.Test
class RDDtoDataFrame {
@Test
def test(): Unit ={
val spark=SparkSession.builder()
.appName("datafreame1")
.master("local[6]")
.getOrCreate()
import spark.implicits._
val df=spark.sparkContext.textFile("dataset/employee.txt").map(_.split(","))
.map(item => Employee(item(0).trim.toInt,item(1),item(2).trim.toInt))
.toDF()
df.createOrReplaceTempView("employee")
val dfRDD=spark.sql("select * from employee")
dfRDD.map(it => "id:"+it(0) +",name:"+it(1)+",age:"+it(2) )
.show()
}
}
case class Employee(id:Int,name:String,age:Long)
3|0编程实现利用 DataFrame 读写 MySQL 的数据
(1)在 MySQL 数据库中新建数据库 sparktest,再创建表 employee,包含如表 6-2 所示的两行数据。
表 6-2 employee 表原有数据
id | name | gender | Age |
1 | Alice | F | 22 |
2 | John | M | 25 |
(2)配置 Spark 通过 JDBC 连接数据库 MySQL,编程实现利用 DataFrame 插入如表 6-3 所示的两行数据到 MySQL 中,最后打印出 age 的最大值和 age 的总和。
表 6-3 employee 表新增数据
id | name | gender | age |
3 | Mary | F | 26 |
4 | Tom | M | 23 |