Spark基础学习笔记30:Spark SQL案例分析
Posted howard2005
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Spark基础学习笔记30:Spark SQL案例分析相关的知识,希望对你有一定的参考价值。
文章目录
零、本讲学习目标
- 使用Spark SQL实现词频统计
- 掌握Spark SQL与Hive整合
- 掌握Spark SQL读写mysql
- 完成Spark热点搜索词统计
- Spark SQL智慧交通数据分析
一、使用Spark SQL实现词频统计
(一)数据源 - words.txt
(二)创建Maven项目
- 创建Maven项目 -
SparkSQLWordCount
(三)添加依赖和构建插件
- 在
pom.xml
文件里添加依赖和构建插件
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0
http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>net.hw.wc</groupId>
<artifactId>SparkSQLWordCount</artifactId>
<version>1.0-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>2.11.8</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.11</artifactId>
<version>2.1.1</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.11</artifactId>
<version>2.1.1</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-assembly-plugin</artifactId>
<version>3.3.0</version>
<configuration>
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<phase>package</phase>
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
<plugin>
<groupId>net.alchim31.maven</groupId>
<artifactId>scala-maven-plugin</artifactId>
<version>3.3.2</version>
<executions>
<execution>
<id>scala-compile-first</id>
<phase>process-resources</phase>
<goals>
<goal>add-source</goal>
<goal>compile</goal>
</goals>
</execution>
<execution>
<id>scala-test-compile</id>
<phase>process-test-resources</phase>
<goals>
<goal>testCompile</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>
(四)修改源目录名称
- 将源目录名由
java
改成scala
- 在
pom.xml
文件里,设置源目录
(五)创建日志属性文件
- 在resources目录里创建
log4j.properties
文件
log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
(六)创建词频统计单例对象
- 创建
net.hw.wc
包,在包里创建SparkSQLWordCount
单例对象
package net.hw.wc
import org.apache.spark.sql.Dataset, SparkSession
/**
* 功能:利用Spark SQL实现词频统计
* 作者:华卫
* 日期:2022年05月15日
*/
object SparkSQLWordCount
def main(args: Array[String]): Unit =
// 设置HADOOP用户名属性,否则本地运行访问会被拒绝
System.setProperty("HADOOP_USER_NAME", "root")
// 创建或得到SparkSession
val spark = SparkSession.builder()
.appName("SparkSQLWordCount")
.master("local[*]")
.getOrCreate()
// 读取HDFS上的单词文件
val lines: Dataset[String] = spark.read.textFile("hdfs://master:9000/input/words.txt")
// 显示数据集lines内容
lines.show()
// 导入Spark会话对象的隐式转换
import spark.implicits._
// 将数据集中的数据按空格切分并合并
val words: Dataset[String] = lines.flatMap(_.split(" "))
// 显示数据集words内容
words.show()
// 将数据集默认列名由value改为word,并转换成数据帧
val df = words.withColumnRenamed("value", "word").toDF()
// 显示数据帧内容
df.show()
// 基于数据帧创建临时视图
df.createTempView("v_words")
// 执行SQL分组查询,实现词频统计
val wc = spark.sql(
"""
| select word, count(*) as count
| from v_words group by word
| order by count desc
|""".stripMargin)
// 显示词频统计结果
wc.show()
// 关闭会话
spark.close()
(七)启动程序,查看结果
- 运行
SparkSQLWordCount
单例对象
(八)词频统计数据转化流程图
- 文本文件,转化成数据集,再转化成数据帧,最后基于表查询得到结果数据帧
以上是关于Spark基础学习笔记30:Spark SQL案例分析的主要内容,如果未能解决你的问题,请参考以下文章
Spark基础学习笔记26:Spark SQL数据源 - JSON数据集
学习笔记Spark—— Spark SQL应用—— Spark DataFrame基础操作