Spark SQL 编程初级实践

Posted 2021-11-09 wxd136

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。

{ "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":5 , "name":"Damon" }

{ "id":5 , "name":"Damon" }

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）：

1,Ella,36

2,Bob,29

3,Jack,29

 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

id	name	gender	Age
1	Alice	F	22
2	John	M	25

 

（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

id	name	gender	age
3	Mary	F	26
4	Tom	M	23