spark sql初探【实战】

一、数据集

1 张三 26
2 李四 31
3 王五 22
4 赵柳 19
5 James 35

二、代码

object SparkSqlDemo {
  def main(args: Array[String]): Unit = {
    //配置参数
    val conf = new SparkConf().setMaster("local[*]").setAppName("sparkSql")
    val sc = new SparkContext(conf)
    val session = SparkSession.builder().config(conf).getOrCreate()

    //读取文件
    val lines = sc.textFile("hdfs://192.168.xx.xx:9000/test/user.txt")

    //处理数据
    val row = lines.map(line => {
      val strings = line.split(" ")
      val id = strings(0).toInt
      val name = strings(1)
      val age = strings(2).toInt

      Row(id, name, age)
    })

    //表头
    val sch = StructType(List(StructField("id",IntegerType,true),StructField("name",StringType,false),StructField("age",IntegerType,false)))

    //组装
    val frame = session.createDataFrame(row,sch)
    frame.createOrReplaceTempView("table01")
    session.sql("select sum(age) from table01").show()

    sc.stop()
  }
}

+--------+
|sum(age)|
+--------+
|     133|
+--------+

说明：

1、spark本地运行有3种模式：通过setMaster()配置

（1）local 模式：本地单线程运行；

（2）local[k]模式：本地K个线程运行；

（3）local[*]模式：用本地尽可能多的线程运行。

2、spark程序从sparkContext开始，需要实例化，并配置好参数conf：

（1）setMaster():设置程序运行模式

（2）setAppName():为该spark程序设置一个名称

3、sparkSession

SparkSession是spark sql的入口，需要创建SparkSession对象：

build()是SparkSession的构造器，提供过这个构造器可以添加各种配置：

Method	Description
getOrCreate	获取或者新建一个 sparkSession
enableHiveSupport	增加支持 hive Support
appName	设置 application 的名字
config	设置各种配置

4、创建DataFrame

通过createDataFrame()来创建dataframe