SparkSql學習筆記（包含IDEA編寫的本地代碼）

　　Spark SQL and DataFrame

1.為什麼要用Spark Sql

原來我們使用Hive，是將Hive Sql 轉換成Map Reduce 然後提交到叢集上去執行，大大簡化了編寫MapReduce的程式的複雜性，由於MapReduce這種計算模型執行效率比較慢，所以Spark Sql的應運而生，它是將SparkSql轉換成RDD，然後提交到叢集執行，執行效率非常的快。

Spark Sql的有點：1、易整合  2、統一的資料訪問方式 3、相容Hvie 4、標準的資料連線

 

2、DataFrames

什麼是DataFrames？

與RDD類似，DataFrames也是一個分布式資料容器，然而DataFrame更像是傳統資料庫的二維表格，除了資料以外，還記錄資料的結構資訊，即schema。同時，與Hive類似，DataFrame與支援嵌套資料類型（struct、array和map）。從API的易用性上看，DataFrame API提供的是一套高層的關係操作，比函數式的RDD API要更加友好，門檻更低。由於與R和Pandas的DataFrame類似，Spark DataFrame很好地繼承了傳統單機資料分析的開發體驗。

 

 

建立DataFrames

在Spark SQL中SQLContext是建立DataFrames和執行SQL的入口，在spark-1。5.2中已經內建了一個sqlContext。

1.在本地建立一個檔案，有三列，分別是id、name、age，用空格分隔，然後上傳到hdfs上

hdfs dfs -put person.txt /

 

2.在spark shell執行下面命令，讀取資料，將每一行的資料使用資料行分隔符號分割

val lineRDD = sc.textFile("hdfs://hadoop01:9000/person.txt").map(_.split(" "))

 

3.定義case class（相當於表的schema）

case class Person(id:Int, name:String, age:Int)

 

4.將RDD和case class關聯

val personRDD = lineRDD.map(x => Person(x(0).toInt, x(1), x(2).toInt))

 

5.將RDD轉換成DataFrame

val personDF = personRDD.toDF

 

6.對DataFrame進行處理

personDF.show

代碼：

object SparkSqlTest {  def main(args: Array[String]): Unit = {    val conf = new SparkConf().setMaster("local").setAppName("SQL-1")    val sc = new SparkContext(conf)    fun1(sc)  }  //定義case class 相當於表的schema  case class Person(id:Int,name:String,age:Int)  def fun1(sc:SparkContext): Unit ={    val sqlContext = new SQLContext(sc)
　　// 位置一般情況下是換成HDFS檔案路徑    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    //註冊表    personDF.registerTempTable("person_df")    //傳入sql    val df = sqlContext.sql("select * from person_df order by age desc")    //將結果以JSON的方式儲存到指定位置    df.write.json("D:\\data\\personOut")    sc.stop()  }

 

DataFrame 常用操作

DSL風格文法（個人理解短小精悍的含義）

 

     // 查看DataFrame部分列中的內容    df.select(personDF.col("name")).show()    df.select(col = "age").show()    df.select("id").show()    // 列印DataFrame的Schema資訊    df.printSchema()    //查詢所有的name 和 age ，並將 age+2    df.select(df("id"),df("name"),df("age")+2).show()    //查詢所有年齡大於20的    df.filter(df("age")>20).show()    // 按年齡分組並統計相同年齡人數    df.groupBy("age").count().show()

SQL風格文法（前提：需要將DataFrame註冊成表）

//註冊成表 personDF.registerTempTable("person_df")// 查詢年齡最大的兩位 並用對象接接收    val persons = sqlContext.sql("select * from person_df order by age desc limit 2")    persons.foreach(x=>print(x(0),x(1),x(2)))

　

通過StructType直接指定Schema

 1  /*通過StructType直接指定Schema*/ 2   def fun2(sc: SparkContext): Unit = { 3     val sqlContext = new SQLContext(sc) 4     val personRDD = sc.textFile("D:\\data\\person.txt").map(_.split(" ")) 5     // 通過StructType直接指定每個欄位的Schema 6     val schema = StructType(List(StructField("id", IntegerType, true), StructField("name", StringType, true), StructField("age", IntegerType))) 7     //將rdd映射到RowRDD 8     val rowRdd = personRDD.map(x=>Row(x(0).toInt,x(1).trim,x(2).toInt)) 9     //將schema資訊應用到rowRdd上10     val dataFrame = sqlContext.createDataFrame(rowRdd,schema)11     //註冊12     dataFrame.registerTempTable("person_struct")13 14     sqlContext.sql("select * from person_struct").show()15 16     sc.stop()17 18   }

 

串連資料來源

 

1 /*串連mysql資料來源*/2   def fun3(sc:SparkContext): Unit ={3     val sqlContext = new SQLContext(sc)4     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()5     jdbcDF.show()6     sc.stop()7   }

 

 

 

 再回寫到資料庫中

 

 1  // 寫入資料庫 2     val personTextRdd = sc.textFile("D:\\data\\person.txt").map(_.split(" ")).map(x=>Row(x(0).toInt,x(1),x(2).toInt)) 3  4     val schema = StructType(List(StructField("id", IntegerType), StructField("name", StringType), StructField("age", IntegerType))) 5  6     val personDataFrame = sqlContext.createDataFrame(personTextRdd,schema) 7  8     val prop = new Properties() 9     prop.put("user","root")10     prop.put("password","123456")11     //寫入資料庫12     personDataFrame.write.mode("append").jdbc("jdbc:mysql://192.168.180.100:3306/bigdata","bigdata.person",prop)13 14     sc.stop()