版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
DataFrame与SparkSQL编程DataFrame与SparkSQLnameage第1步:制作“表头”第2步:制作“表中的记录”“Grace”29“Andy”30“John”19第3步:将表头和表中的记录拼装在一起nameage“Grace”29“Andy”30“John”19DataFrame与SparkSQL1导入相应的包scala>importorg.apache.spark.sql.types._importorg.apache.spark.sql.types._
scala>importorg.apache.spark.sql.Rowimportorg.apache.spark.sql.Row
DataFrame与SparkSQL2加载文件生成RDD//生成RDDscala>valpeopleRDD=spark.sparkContext.textFile("file:///usr/local/spark/examples/src/main/resources/people.txt")DataFrame与SparkSQL3制作表头
scala>valschemaString="nameage"
//根据模式字符串生成模式scala>valfields=schemaString.split("").map(fieldName=>StructField(fieldName,StringType,nullable=true))scala>valschema=StructType(fields)//从上面信息可以看出,schema描述了模式信息,模式中包含name和age两个字段
DataFrame与SparkSQL4对peopleRDD的每一行元素进行解析,将表头和表记录拼装起来scala>valrowRDD=peopleRDD.map(_.split(",")).map(attributes=>Row(attributes(0),attributes(1).trim))rowRDD:org.apache.spark.rdd.RDD[org.apache.spark.sql.Row]=MapPartitionsRDD[3]atmapat<console>:29
scala>valpeopleDF=spark.createDataFrame(rowRDD,schema)DataFrame与SparkSQL5注册为临时表供SQL查询使用//必须注册为临时表才能供下面查询使用scala>peopleDF.createOrReplaceTempView("people")scala>valresults=spark.sql("SELECTname,ageFROMpeople")results:org.apache.spark.sql.DataFrame=[name:string,age:string]
scala>results.map(attributes=>"name:"+attributes(0)+","+"age:"+attributes(1)).show()DataFrame与SparkSQL6显示查询结果一个小例子1导入相应的包importorg.apache.spark.sql.SparkSessionimportorg.apache.spark.sql.types.{IntegerType,StringType,StructField,StructType}一个小例子2制作表头valspark=SparkSession.builder().master("local").appName("dateprocess").getOrCreate()valschema=StructType(List(StructField("user_id",IntegerType),StructField("item_id",IntegerType),StructField("category_id",IntegerType),StructField("behavior",StringType)))一个小例子3生成DataFramevaldf=spark.read.format("com.databricks.spark.csv").schema(schema).option("header","false").load("hdfs://localhost:9000/dbtaobao/dataset/user_behavior/UserBehavior.csv")一个小例子4注册为临时表供SQL查询使用//必须注册为临时表才能供下面查询使用df.createOrReplaceTempView("user_behavior")//统计页面浏览量valbehavior_df=spark.sql("selectuser_id,count(if(beha
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 食品安全复习题(附参考答案)
- 基站施工合同范例
- 2025年白山货运资格证考试题库
- 别墅装修装饰设计合同范例
- 数字技术适老化发展报告(2024年)
- 2025年江西货运上岗证模拟考试题
- 台球厅合作合同范例
- 成都租房月租合同范例
- 天府新区航空旅游职业学院《近世代数》2023-2024学年第一学期期末试卷
- 公益文艺演出聘用合同范例
- 常见繁体字的简化表 香港人简体字教学
- 塑料模具肥皂盒设计说明书
- 最新X公司事业部建设规划方案
- 十一学校行动纲要
- 穿越河流工程定向钻专项施工方案
- 社会主义新农村建设建筑废料利用探究
- 唯一住房补贴申请书(共2页)
- 《质量守恒定律》评课稿
- 数据中心IDC项目建议书
- 中医养生脾胃为先PPT文档
- 《生产计划与控制》课程设计
评论
0/150
提交评论