2020寒假生活学习日记（十二）

林子雨实验五

spark实验(五)--Spark SQL 编程初级实践(1)

一、实验目的
（1）通过实验掌握 Spark SQL 的基本编程方法；

（2）熟悉 RDD 到 DataFrame 的转化方法；

（3）熟悉利用 Spark SQL 管理来自不同数据源的数据。

二、实验平台
操作系统： ubuntu  Spark

三、实验内容

实验一

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":4 , "name":"Jim","age":28 }
{ "id":5 , "name":"Damon" }
{ "id":5 , "name":"Damon" }

写入/usr/local/sparkdata文件里，命名为employee.json

然后为 employee.json 创建 DataFrame

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

(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.sort(df("age").asc).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()