zoukankan      html  css  js  c++  java
  • 2020寒假学习笔记07

      今天开始做Spark的第5个实验,第一个题目做的还比较顺利,但是到第二个题目就又出现了莫名其妙地错误,经过一下午的解决,目前还没有能够成功解决。

      第一题实验内容: 

    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" }
    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。
    源代码:
    首先:进行前期的准备工作,在Spark的shell模式下依次输入以下命令:
    1 import org.apache.spark.sql.SparkSession
    2 val spark=SparkSession.builder().getOrCreate()
    3 import spark.implicits._
    4 val df=spark.read.json("file:///usr/local/spark/employee.json")
    View Code

    然后,各个小题的命令如下:

    1 df.show()
    2 df.distinct().show()
    3 df.filter(df("age")>20).show()
    4 df.groupBy("name").count().show()
    5 df.sort(df("name").asc).show()
    6 df.take(3)或df.head(3)
    7 df.select(df("name").as("username")).show()
    8 df.agg("age"->"avg").show()
    9 df.agg("age"->"min").show()
    View Code

    第二题实验内容:

    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。
     
    第一种方法源代码:
     1 import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder
     2 import org.apache.spark.sql.Encoder
     3 import spark.implicits._
     4 
     5 object RDDtoDF
     6 {
     7     def main(args:Array[String])
     8     {
     9         case class Employee(id:Long,name:String,age:Long)
    10         val employeeDF=spark.sparkContext.textFile("file:///usr/local/spark/employee.txt").map(_.split(",")).map(attributes=>Employee(attributes(0).trim.toInt,attributes(1),attributes(2).trim.toInt)).toDF()
    11         employeeDF.createOrReplaceTempView("employee")
    12         val employeeRDD=spark.sql("select id,name,age from employee")
    13         employeeRDD.map(t=>"id:"+t(0)+","+"name:"+t(1)+","+"age"+t(2)).show()        
    14     }
    15 }
    View Code

    目前出现且尚未解决的错误:

    第二种方法源代码:

     1 import org.apache.spark.sql.types._
     2 import org.apache.spark.sql.Encoder
     3 import org.apache.spark.sql.Row
     4 object RDDtoDF
     5 {
     6     def main(args:Array[String]){
     7         val employeeRDD = spark.sparkContext.textFile("file:///usr/local/spark/employee.txt")
     8         val schemaString = "id name age"
     9         val fields = schemaString.split(" ").map(fieldName => StructField(fieldName,StringType,nullable=true))
    10         val schema = StructType(fields)
    11         val rowRDD = employeeRDD.map(._split(",")).map(attributes => Row(attributes(0).trim,attributes(1),attributes(2).trim))
    12         val employeeDF = spark.createDataFrame(rowRDD,schema)
    13         employeeDF.createOrReplaceTempView("employee")
    14         val results = spark.sql("SELECT id,name,age FROM employee")
    15         results.map(t => "id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show()
    16     }
    17 }
    View Code

    目前出现且尚未解决的错误:

     
  • 相关阅读:
    POJ题目分类
    最短路&记录记录记录路径
    博弈论
    生成树模板总结
    弱鸡的暑假图论安排
    面试随缘做题--day2
    面试随缘做题---day1
    PAT第四章速刷
    PAT第二章知识点快速复习
    sql语句快速复习
  • 原文地址:https://www.cnblogs.com/qianmo123/p/12252994.html
Copyright © 2011-2022 走看看