SparkSql學習筆記（包含IDEA編寫的本地代碼）

　　Spark SQL and DataFrame

1.為什么要用Spark Sql

原來我們使用Hive，是將Hive Sql 轉換成Map Reduce 然后提交到集群上去執行，大大簡化了編寫MapReduce的程序的復雜性，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，然后提交到集群執行，執行效率非常的快。

Spark Sql的有點：1、易整合  2、統一的數據訪問方式 3、兼容Hvie 4、標准的數據連接

 

2、DataFrames

什么是DataFrames？

與RDD類似，DataFrames也是一個分布式數據容器，然而DataFrame更像是傳統數據庫的二維表格，除了數據以外，還記錄數據的結構信息，即schema。同時，與Hive類似，DataFrame與支持嵌套數據類型（struct、array和map）。從API的易用性上看，DataFrame API提供的是一套高層的關系操作，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數據分析的開發體驗。

 

 

創建DataFrames

在Spark SQL中SQLContext是創建DataFrames和執行SQL的入口，在spark-1。5.2中已經內置了一個sqlContext。

1.在本地創建一個文件，有三列，分別是id、name、age，用空格分隔，然后上傳到hdfs上

hdfs dfs -put person.txt /

 

2.在spark shell執行下面命令，讀取數據，將每一行的數據使用列分隔符分割

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文件路徑
    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
    //注冊表
    personDF.registerTempTable("person_df")

    //傳入sql
    val df = sqlContext.sql("select * from person_df order by age desc")

    //將結果以JSON的方式存儲到指定位置
    df.write.json("D:\\data\\personOut")
    sc.stop()

  }

 

DataFrame 常用操作

DSL風格語法（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()

    // 打印DataFrame的Schema信息
    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風格語法（前提：需要將DataFrame注冊成表）

//注冊成表
 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

 /*通過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(" "))
    // 通過StructType直接指定每個字段的Schema
    val schema = StructType(List(StructField("id", IntegerType, true), StructField("name", StringType, true), StructField("age", IntegerType)))
    //將rdd映射到RowRDD
    val rowRdd = personRDD.map(x=>Row(x(0).toInt,x(1).trim,x(2).toInt))
    //將schema信息應用到rowRdd上
    val dataFrame = sqlContext.createDataFrame(rowRdd,schema)
    //注冊
    dataFrame.registerTempTable("person_struct")

    sqlContext.sql("select * from person_struct").show()

    sc.stop()

  }

 

連接數據源

 

/*連接mysql數據源*/
  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()
  }

 

 

 

 再回寫到數據庫中

 

 // 寫入數據庫
    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")
    //寫入數據庫
    personDataFrame.write.mode("append").jdbc("jdbc:mysql://192.168.180.100:3306/bigdata","bigdata.person",prop)

    sc.stop()