Spark实验五Spark SQL 基本操作

 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。

json数据

{ "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" }

 命令行：

cd /usr/local/spark
bin/spark-shell
import org.apache.spark.sql.SparkSession
val spark=SparkSession.builder().getOrCreate()
import spark.implicits._
val df = spark.read.json("file:///usr/local/spark/employee.json")

 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；

df.show()

 （2）查询所有数据，并去除重复的数据；

df.distinct().show()

（3）查询所有数据，打印时去除 id 字段；

df.drop("id").show()

 

（4）筛选出 age>30 的记录；

df.filter(df("age") > 30 ).show()

 

（5）将数据按 age 分组；

df.groupBy("age").count().show()

（6）将数据按 name 升序排列；

df.sort(df("name").asc).show()

 （7）取出前 3 行数据；

df.take(3)
或
df.head(3)

 

（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()

 

 （9）查询年龄 age 的平均值；

df.agg("age"->"avg").show()

 (10)查询年龄 age 的最小值。

df.agg("age"->"min").show()