参考链接
Spark编程: Spark SQL基本操作 2020.11.01_df.agg("age"->"avg")-CSDN博客
RDD编程初级实践-CSDN博客
Spark和Hadoop的安装-CSDN博客
1. Spark SQL基本操作
{ "id":1 , "name":" Ella" , "age":36 }
{ "id":2, "name":"Bob","age":29 }
{ "id":3 , "name":"Jack","age":29 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":5 , "name":"Damon" }
{ "id":5 , "name":"Damon" }
创建employee.json文件
sudo vim employee.json
cat employee.json
启动spark-shell
cd /usr/local/spark/
./bin/spark-shell
1.1 查询所有数据
import spark.implicits._
val df=spark.read.json("file:home/hadoop/下载/employee.json")
df.show()
import spark.implicits._是Spark的一个工具，帮助 我们将RDD 转换为DataFrame。
spark.read.json是 Apache Spark 中的一个方法，用于从 JSON 文件中读取数据并将其加载到 DataFrame 中。
df.show()用于显示DataFrame中的内容。
1.2 查询所有数据，并去除重复的数据
df.distinct().show()distinct()去重。
1.3 查询所有数据，打印时去除id字段
df.drop(df("id")).show()df.drop()用于删除DataFrame中指定的列。
1.4 筛选出age>30的记录
df.filter(df("age")>30).show()df.filter()用于根据指定条件过滤DataFrame中的行。
1.5 将数据按age分组
df.groupBy(df("age")).count.show()df.groupBy()用于根据指定的列对DataFrame进行分组。
df.count().show()用于显示分组后的DataFrame的内容。
1.6 将数据按name升序排列
df.sort(df("name").asc).show()df.sort()用于对DataFrame中的行进行排序(默认升序)。
升序asc
降序desc
这里“Ella”比“Bob”小是因为“Ella”字符串实际上是“ Ella”，所以他的第一个字符不是‘E’而是‘ ’,对应的ASCII，‘E’是69，‘B’是66，‘ ’是32.
1.7 取出前3行数据
df.show(3)df.show(n)用于显示DataFrame的前n行。（n超出后会打印原始的大小）
1.8 查询所有记录的name列，并为其取别名为username
df.select(df("name").as("username")).show()df.select()用于选择DataFrame中指定的列。
1.9 查询年龄age的平均值
df.agg("age"->"avg").show()df.agg()用于对DataFrame进行聚合操作。
avg平均。
1.10 查询年龄age的最小值
df.agg("age"->"min").show()min最小。
2.编程实现将RDD转换为DataFrame
1,Ella,36
2,Bob,29
3,Jack,29
