Spark-SQL之load和save操作

案例：

Spark SQL的load，save的案例实战 -->> GenericLoadSave

load和save操作：

    对于Spark SQL的DataFrame来说，无论是从什么数据源创建出来的DataFrame，都有一些共同的load和save操作。load操作主要用于加载数据，创建出DataFrame；save操作，主要用于将DataFrame中的数据保存到文件中。

Java版本
DataFrame df = sqlContext.read().load("users.parquet");
df.select("name", "favorite_color").write().save("namesAndFavColors.parquet");

Scala版本
val df = sqlContext.read.load("users.parquet")
df.select("name", "favorite_color").write.save("namesAndFavColors.parquet")

手动指定数据源类型：（可以实现不同数据源之间的转化）

  也可以手动指定用来操作的数据源类型。数据源通常需要使用其全限定名来指定，比如parquet是org.apache.spark.sql.parquet。但是Spark SQL内置了一些数据源类型，比如json，parquet，jdbc等等。实际上，通过这个功能，就可以在不同类型的数据源之间进行转换了。比如将json文件中的数据保存到parquet文件中。默认情况下，如果不指定数据源类型，那么就是parquet。

Java版本
DataFrame df = sqlContext.read().format("json").load("people.json");
df.select("name", "age").write().format("parquet").save("namesAndAges.parquet");

Scala版本
val df = sqlContext.read.format("json").load("people.json")
df.select("name", "age").write.format("parquet").save("namesAndAges.parquet")

Save Mode：

    Spark SQL对于save操作，提供了不同的save mode。主要用来处理，当目标位置，已经有数据时，应该如何处理。而且save操作并不会执行锁操作，并且不是原子的，因此是有一定风险出现脏数据的。

Save Mode	意义
SaveMode.ErrorIfExists (默认)	如果目标位置已经存在数据，那么抛出一个异常
SaveMode.Append	如果目标位置已经存在数据，那么将数据追加进去
SaveMode.Overwrite	如果目标位置已经存在数据，那么就将已经存在的数据删除，用新数据进行覆盖
SaveMode.Ignore	如果目标位置已经存在数据，那么就忽略，不做任何操作。

案例：

Java版本： 

package Spark_SQL;

import org.apache.spark.SparkConf;
import org.apache.spark.SparkContext;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SQLContext;
import org.codehaus.janino.Java;

/**
 * @Date: 2019/3/14 14:13
 * @Author Angle
 */
/*
* Spark SQL的load，save的案例实战
*
* */

public class GenericLoadSave {
    public static void main(String[] args){

        SparkConf conf = new SparkConf().setAppName("GenericLoadSave").setMaster("local");
        JavaSparkContext sc = new JavaSparkContext(conf);

        SQLContext sqlContext = new SQLContext(sc);
//        Dataset<Row> userDF = sqlContext.read().load("E:\\IDEA\\textFile\\users.parquet");
//        userDF.select("name","favorite_color").write()
//                .save("E:\\IDEA\\textFile\\nameANDcolor_java");

        Dataset<Row> userDF = sqlContext.read().load("hdfs://master:9000/users.parquet");
        userDF.select("name","favorite_color").write()
                .save("hdfs://master:9000/nameANDcolor_java");
        userDF.show();

    }
}

 scala版本：

package SparkSQL_Scala

import org.apache.spark.sql.SQLContext
import org.apache.spark.{SparkConf, SparkContext}

/**
  * @Date: 2019/3/14 14:24
  * @Author Angle
  */
object GenericLoadSave_s {
  def main(args: Array[String]): Unit = {

    val conf = new SparkConf().setAppName("GenericLoadSave_s").setMaster("local");
    val sc = new SparkContext(conf)

    val sqlContext = new SQLContext(sc)

    val userDF = sqlContext.read.load("E:\\IDEA\\textFile\\users.parquet")

    userDF.write.save("E:\\IDEA\\textFile\\users.parquet_Scala")
    userDF.show()
  }
}