SparkSQL使用IDEA快速入门DataFrame与DataSet的完美教程

1.使用IDEA开发Spark SQL

1.1创建DataFrame/DataSet

1、指定列名添加Schema

2、通过StrucType指定Schema

3、编写样例类，利用反射机制推断Schema

1.1.1指定列名添加Schema

				?

									//导包

									import org.apache.spark.rdd.RDD

									import org.apache.spark.sql.SparkSession

									//代码

									// 1.创建SparkSession

									    val spark = SparkSession.builder().master("local[*]").appName("sql").getOrCreate()

									// 2.使用spark 获取sparkContext 上下文对象

									    val sc = spark.sparkContext

									// 3.使用SparkContext 读取文件并按照空格切分 返回RDD

									    val rowRDD: RDD[(Int, String, Int)] = sc.textFile("./data/person.txt").map(_.split(" ")).map(x=>(x(0).toInt,x(1),x(2).toInt))

									// 4.导入隐式类

									    import spark.implicits._

									//5.将RDD 转换为DataFrame 指定元数据信息

									    val dataFrame = rowRDD.toDF("id","name","age")

									//6.数据展示

									    dataFrame.show()

1.1.2StructType指定Schema

				?

									//导包

									import org.apache.spark.sql.{Row, SparkSession}

									import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}

									//编写代码

									//1.实例SparkSession

									    val spark = SparkSession.builder().master("local[*]").appName("sql").getOrCreate()

									//2.根据SparkSession获取SparkContext 上下文对象

									    val sc = spark.sparkContext

									// 3.使用SparkContext读取文件并按照空开切分并返回元组

									    val rowRDD = sc.textFile("./data/person.txt").map(_.split(" ")).map(x=>Row(x(0).toInt,x(1),x(2).toInt))

									// 4.导入隐式类

									    import spark.implicits._

									//5.使用StructType 添加元数据信息

									    val schema = StructType(List(

									      StructField("id", IntegerType, true),

									      StructField("name", StringType, true),

									      StructField("age", IntegerType, true)

									    ))

									//6.将数据与元数据进行拼接 返回一个DataFrame

									    val dataDF = spark.createDataFrame(rowRDD,schema)

									//7.数据展示

									    dataDF.show()

1.1.3反射推断Schema

				?

									//导包

									import org.apache.spark.rdd.RDD

									import org.apache.spark.sql.SparkSession

									//定义单例对象

									  case class Person(Id:Int,name:String,age:Int)

									//编写代码

									//1.实例sparkSession

									    val spark = SparkSession.builder().master("local[*]").appName("sql").getOrCreate()

									//2.通过sparkSession获取sparkContext 上下文对象

									    val sc = spark.sparkContext

									//3.通过sparkContext 读取文件并按照空格切分 将每一个数据保存到person中

									    val rowRDD: RDD[Person] = sc.textFile("./data/person.txt").map(_.split(" ")).map(x=>Person(x(0).toInt,x(1),x(2).toInt))

									// 4.导入隐式类

									    import spark.implicits._

									//5.将rowRDD转换为dataFrame

									    val dataFrame = rowRDD.toDF()

									    //6.数据展示

									    dataFrame.show()