Spark SQL 2.4.8 操作 Dataframe的兩種方式

更新時(shí)間：2021年10月14日 10:34:42 作者：若蘭幽竹

這篇文章主要介紹了Spark SQL 2.4.8 操作 Dataframe的兩種方式,方式一是通過(guò)dsl操作，方式二是利用sql方式操作，每種方式通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下

一、測(cè)試數(shù)據(jù)

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(chuàng)建DataFrame

方式一：DSL方式操作

實(shí)例化SparkContext和SparkSession對(duì)象
利用StructType類(lèi)型構(gòu)建schema，用于定義數(shù)據(jù)的結(jié)構(gòu)信息
通過(guò)SparkContext對(duì)象讀取文件，生成RDD
將RDD[String]轉(zhuǎn)換成RDD[Row]
通過(guò)SparkSession對(duì)象創(chuàng)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(chuàng)建SparkContext和SparkSession對(duì)象
    val sc = new SparkContext(new SparkConf().setAppName("Demo01").setMaster("local[2]"))
    val sparkSession = SparkSession.builder().getOrCreate()

    // 2. 使用StructType來(lái)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(shù)據(jù)
    val empRDD = sc.textFile("file:///D:\\TestDatas\\emp.csv")

    // 4. 將其映射成ROW對(duì)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(chuàng)建DataFrame
    val dataFrame = sparkSession.createDataFrame(rowRDD, mySchema)

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

結(jié)果如下：

在這里插入圖片描述

方式二：SQL方式操作

實(shí)例化SparkContext和SparkSession對(duì)象
創(chuàng)建case class Emp樣例類(lèi)，用于定義數(shù)據(jù)的結(jié)構(gòu)信息
通過(guò)SparkContext對(duì)象讀取文件，生成RDD[String]
將RDD[String]轉(zhuǎn)換成RDD[Emp]
引入spark隱式轉(zhuǎn)換函數(shù)（必須引入）
將RDD[Emp]轉(zhuǎn)換成DataFrame
將DataFrame注冊(cè)成一張視圖或者臨時(shí)表
通過(guò)調(diào)用SparkSession對(duì)象的sql函數(shù)，編寫(xiě)sql語(yǔ)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(shù)據(jù)分析
// 7499,ALLEN,SALESMAN,7698,1981/2/20,1600,300,30
// 1. 定義Emp樣例類(lèi)
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(shù)據(jù)將其映射成Row對(duì)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(chuàng)建dataframe
    val spark = SparkSession.builder().getOrCreate()
    // 引入spark隱式轉(zhuǎn)換函數(shù)
    import spark.implicits._
    // 將RDD轉(zhuǎn)成Dataframe
    val dataFrame = rowRDD.toDF

    // 4.2 sql語(yǔ)句操作
    // 1、將dataframe注冊(cè)成一張臨時(shí)表
    dataFrame.createOrReplaceTempView("emp")
    // 2. 編寫(xiě)sql語(yǔ)句進(jìn)行操作
    spark.sql("select deptNo,sum(sal) as total from emp group by deptNo order by total desc").show()

    // 關(guān)閉資源
    spark.stop()
    sc.stop()
  }
}

結(jié)果如下：

在這里插入圖片描述