寒假学习记录17
实验 5 Spark SQL 编程初级实践
一、实验目的
（1）通过实验掌握 Spark SQL 的基本编程方法；
（2）熟悉 RDD 到 DataFrame 的转化方法；
（3）熟悉利用 Spark SQL 管理来自不同数据源的数据。
二、实验平台
操作系统： Ubuntu16.04 Spark 版本：2.1.0 数据库：MySQL
三、实验内容和要求
1．Spark SQL 基本操作
将下列 JSON 格式数据复制到 Linux 系统中，并保存命名为 employee.json。
为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：
(1) 查询所有数据；
(2) 查询所有数据，并去除重复的数据；
(3) 查询所有数据，打印时去除 id 字段；
(4) 筛选出 age>30 的记录；
(5) 将数据按 age 分组；
(6) 将数据按 name 升序排列；
(7) 取出前 3 行数据；
(8) 查询所有记录的 name 列，并为其取别名为 username；
(9) 查询年龄 age 的平均值；
(10) 查询年龄 age 的最小值。
2．编程实现将 RDD 转换为 DataFrame
源文件内容如下（包含 id,name,age）：
请将数据复制保存到 Linux 系统中，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。
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，再创建表 employee，包含如表 6-2 所示的 两行数据。
表 6-2 employee 表原有数据
（2）配置 Spark 通过 JDBC 连接数据库 MySQL，编程实现利用 DataFrame 插入如表 6-3 所 示的两行数据到 MySQL 中，最后打印出 age 的最大值和 age 的总和。
表 6-3 employee 表新增数据