Spark SQL 2.4.8 操作 Dataframe的兩種方式

Posted on by

一、測試數據

7369,SMITH,CLERK,7902,1980/12/17,800,20
7499,ALLEN,SALESMAN,7698,1981/2/20,1600,300,30
7521,WARD,SALESMAN,7698,1981/2/22,1250,500,30
7566,JONES,MANAGER,7839,1981/4/2,2975,20
7654,MARTIN,SALESMAN,7698,1981/9/28,1250,1400,30
7698,BLAKE,MANAGER,7839,1981/5/1,2850,30
7782,CLARK,MANAGER,7839,1981/6/9,2450,10
7788,SCOTT,ANALYST,7566,1987/4/19,3000,20
7839,KING,PRESIDENT,1981/11/17,5000,10
7844,TURNER,SALESMAN,7698,1981/9/8,1500,0,30
7876,ADAMS,CLERK,7788,1987/5/23,1100,20
7900,JAMES,CLERK,7698,1981/12/3,9500,30
7902,FORD,ANALYST,7566,1981/12/3,3000,20
7934,MILLER,CLERK,7782,1982/1/23,1300,10

二、創建DataFrame

方式一：DSL方式操作

  • 實例化SparkContext和SparkSession對象
  • 利用StructType類型構建schema，用於定義數據的結構信息
  • 通過SparkContext對象讀取文件，生成RDD
  • 將RDD[String]轉換成RDD[Row]
  • 通過SparkSession對象創建dataframe
  • 完整代碼如下：
package com.scala.demo.sql

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.{Row, SparkSession}
import org.apache.spark.sql.types.{DataType, DataTypes, StructField, StructType}

object Demo01 {
  def main(args: Array[String]): Unit = {
    // 1.創建SparkContext和SparkSession對象
    val sc = new SparkContext(new SparkConf().setAppName("Demo01").setMaster("local[2]"))
    val sparkSession = SparkSession.builder().getOrCreate()

    // 2. 使用StructType來定義Schema
    val mySchema = StructType(List(
      StructField("empno", DataTypes.IntegerType, false),
      StructField("ename", DataTypes.StringType, false),
      StructField("job", DataTypes.StringType, false),
      StructField("mgr", DataTypes.StringType, false),
      StructField("hiredate", DataTypes.StringType, false),
      StructField("sal", DataTypes.IntegerType, false),
      StructField("comm", DataTypes.StringType, false),
      StructField("deptno", DataTypes.IntegerType, false)
    ))
    // 3. 讀取數據
    val empRDD = sc.textFile("file:///D:\\TestDatas\\emp.csv")

    // 4. 將其映射成ROW對象
    val rowRDD = empRDD.map(line => {
      val strings = line.split(",")
      Row(strings(0).toInt, strings(1), strings(2), strings(3), strings(4), strings(5).toInt,strings(6), strings(7).toInt)
    })

    // 5. 創建DataFrame
    val dataFrame = sparkSession.createDataFrame(rowRDD, mySchema)

    // 6. 展示內容 DSL
	dataFrame.groupBy("deptno").sum("sal").as("result").sort("sum(sal)").show()
  }
}

結果如下：

在這裡插入圖片描述

 

方式二：SQL方式操作

  • 實例化SparkContext和SparkSession對象
  • 創建case class Emp樣例類，用於定義數據的結構信息
  • 通過SparkContext對象讀取文件，生成RDD[String]
  • 將RDD[String]轉換成RDD[Emp]
  • 引入spark隱式轉換函數（必須引入）
  • 將RDD[Emp]轉換成DataFrame
  • 將DataFrame註冊成一張視圖或者臨時表
  • 通過調用SparkSession對象的sql函數，編寫sql語句
  • 停止資源
  • 具體代碼如下：
package com.scala.demo.sql

import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{Row, SparkSession}
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.types.{DataType, DataTypes, StructField, StructType}

// 0. 數據分析
// 7499,ALLEN,SALESMAN,7698,1981/2/20,1600,300,30
// 1. 定義Emp樣例類
case class Emp(empNo:Int,empName:String,job:String,mgr:String,hiredate:String,sal:Int,comm:String,deptNo:Int)

object Demo02 {
  def main(args: Array[String]): Unit = {
    // 2. 讀取數據將其映射成Row對象
    val sc = new SparkContext(new SparkConf().setMaster("local[2]").setAppName("Demo02"))
    val mapRdd = sc.textFile("file:///D:\\TestDatas\\emp.csv")
      .map(_.split(","))

    val rowRDD:RDD[Emp] = mapRdd.map(line => Emp(line(0).toInt, line(1), line(2), line(3), line(4), line(5).toInt, line(6), line(7).toInt))

    // 3。創建dataframe
    val spark = SparkSession.builder().getOrCreate()
    // 引入spark隱式轉換函數
    import spark.implicits._
    // 將RDD轉成Dataframe
    val dataFrame = rowRDD.toDF

    // 4.2 sql語句操作
    // 1、將dataframe註冊成一張臨時表
    dataFrame.createOrReplaceTempView("emp")
    // 2. 編寫sql語句進行操作
    spark.sql("select deptNo,sum(sal) as total from emp group by deptNo order by total desc").show()

    // 關閉資源
    spark.stop()
    sc.stop()
  }
}

結果如下：

在這裡插入圖片描述

到此這篇關於Spark SQL 2.4.8 操作 Dataframe的兩種方式的文章就介紹到這瞭,更多相關Spark SQL 操作 Dataframe內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：