参考来源：厦门大学林子雨,赖永炫,陶继平 编著《Spark 编程基础（Scala 版） 》第 6 章 Spark SQL教材配套机房上机 实验指南 实验 5 Spark SQL 编程初级实践
运行问题解决方案
1、更改scala版本
.png)
2、导入hadoop、MapReduce、spark等包
3、spark定义添加
val spark = SparkSession.builder().appName("RddToDFrame").master("local").getOrCreate()
import spark.implicits._
1．Spark SQL 基本操作
将下列 json 数据复制到你的 ubuntu 系统/usr/local/spark 下，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":5 ,"name":"Damon" } { "id":5 ,"name":"Damon" }
首先为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：
创建 DataFrame
scala> import org.apache.spark.sql.SparkSession
scala> val spark=SparkSession.builder().getOrCreate()
scala> import spark.implicits._ scala> val df = spark.read.json("
file:///usr/local/spark/employee.json")
(1) 查询 DataFrame 的所有数据 答案：scala> df.show()
(2) 查询所有数据，并去除重复的数据 答案：scala> df.distinct().show()
(3) 查询所有数据，打印时去除 id 字段 答案：scala> df.drop("id").show()
(4) 筛选 age>20 的记录 答案：scala> df.filter(df("age") > 30 ).show()
(5) 将数据按 name 分组 答案：scala> df.groupBy("name").count().show()
(6) 将数据按 name 升序排列 答案：scala> df.sort(df("name").asc).show()
(7) 取出前 3 行数据 答案：scala> df.take(3) 或 scala> df.head(3)
(8) 查询所有记录的 name 列，并为其取别名为 username 答案：scala> df.select(df("name").as("username")).show() (9) 查询年龄 age 的平均值 答案：scala> df.agg("age"->"avg") (10) 查询年龄 age 的最小值 答案：scala> df.agg("age"->"min")
2．编程实现将 RDD 转换为 DataFrame
源文件内容如下（包含 id,name,age） ，将数据复制保存到 ubuntu 系统/usr/local/spark 下， 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。（任选一种方法即可）
1,Ella,36 2,Bob,29 3,Jack,29
答案： 在eclipse中建立ScalaProject项目，写入
方法一：利用反射来推断包含特定类型对象的RDD的schema，适用对已知数据结构的RDD 转换；
import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder
import org.apache.spark.sql.Encoder
import spark.implicits._
object RDDtoDF {
def main(args: Array[String])
{ case class Employee(id:Long,name: String, age: Long)
val employeeDF = spark.sparkContext.textFile("
file:///usr/local/spark/employee.txt").map(_.split(",")).map(at tributes => Employee(attributes(0).trim.toInt,attributes(1), attributes(2).trim.toInt)).toDF()
employeeDF.createOrReplaceTempView("employee")
val employeeRDD = spark.sql("select id,name,age from employee") employeeRDD.map(t => "id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show() } }
方法二：使用编程接口，构造一个 schema 并将其应用在已知的 RDD 上。
import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder
import org.apache.spark.sql.Encoder import spark.implicits._
object RDDtoDF { def main(args: Array[String]) {
case class Employee(id:Long,name: String, age: Long)
val employeeDF = spark.sparkContext.textFile("
file:///usr/local/spark/employee.txt").map(_.split(",")).map(at tributes => Employee(attributes(0).trim.toInt,attributes(1), attributes(2).trim.toInt)).toDF()
employeeDF.createOrReplaceTempView("employee")
val employeeRDD = spark.sql("select id,name,age from employee")
employeeRDD.map(t => "id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show()
} }
3. 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，再建表 employee，包含下列两行数据；
.png)
答案：
mysql> create database sparktest;
mysql> use sparktest;
mysql> create table employee (id int(4), name char(20), gender char(4), age int(4));
mysql> insert into employee values(1,'Alice','F',22);
mysql> insert into employee values(2,'John','M',25);
(2) 配置Spark通过JDBC连接数据库MySQL，编程实现利用DataFrame插入下列数据到MySQL， 最后打印出 age 的最大值和 age 的总和。
.png)
答案：在eclipse中建立ScalaProject项目，写入
import java.util.Properties import org.apache.spark.sql.types._
import org.apache.spark.sql.Row
object TestMySQL {
def main(args: Array[String])
{ val employeeRDD = spark.sparkContext.parallelize(Array("3 Mary F 26","4 Tom M 23")).map(_.split(" "))
val schema = StructType(List(StructField("id", IntegerType, true),StructField("name", StringType, true),StructField("gender", StringType, true),StructField("age", IntegerType, true)))
val rowRDD = employeeRDD.map(p => Row(p(0).toInt,p(1).trim, p(2).trim,p(3).toInt))
val employeeDF = spark.createDataFrame(rowRDD, schema)
val prop = new Properties() prop.put("user", "root")
prop.put("password", "hadoop")
prop.put("driver","com.mysql.jdbc.Driver")
employeeDF.write.mode("append").jdbc("jdbc:
mysql://localhost:3306/sparktest", sparktest.employee", prop)
val jdbcDF = spark.read.format("jdbc").option("url", "jdbc:
mysql://localhost:3306/sparktest").option("driver","com.mysql.jdbc.Driver").option("dbtable","employee").option("user","root").option("password", "hadoop").load()
jdbcDF.agg("age" -> "max", "age" -> "sum").show()
} }