Spark實驗五Spark SQL 基本操作

 Spark SQL  基本操作

將下列 JSON 格式數據復制到 Linux 系統中，並保存命名為 employee.json。

json數據

{ "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" }

 

 命令行：

cd /usr/local/spark
bin/spark-shell
import org.apache.spark.sql.SparkSession
val spark=SparkSession.builder().getOrCreate()
import spark.implicits._
val df = spark.read.json("file:///usr/local/spark/employee.json")

 為 employee.json 創建 DataFrame，並寫出 Scala 語句完成下列操作：

（1）查詢所有數據；

df.show()

 

 （2）查詢所有數據，並去除重復的數據；

df.distinct().show()

 

（3）查詢所有數據，打印時去除 id 字段；

df.drop("id").show()

 

（4）篩選出 age>30 的記錄；

df.filter(df("age") > 30 ).show()

 

（5）將數據按 age 分組；

df.groupBy("age").count().show()

 

（6）將數據按 name 升序排列；

df.sort(df("name").asc).show()

 

 （7）取出前 3 行數據；

df.take(3)
或
df.head(3)

 

 

（8） 查詢所有記錄的 name 列，並為其取別名為 username；

df.select(df("name").as("username")).show()

 

 （9）查詢年齡 age 的平均值；

df.agg("age"->"avg").show()

 

 

 (10)查詢年齡 age 的最小值。

df.agg("age"->"min").show()