以前公司用的是spark-core，但是换工作后用的多是spark-sql。
最近学习了很多spark-sql，在此做一个有spark经验的sparksql快速入门的教程。
JDK安装包 1.8版本：https://pan.baidu.com/s/1pLW3jyKv3N_FhQ7vvE4U2g
SCALA安装包：https://pan.baidu.com/s/17f8AiS2n_g5kiQhxf7XIlA
hadoop安装包：https://pan.baidu.com/s/1YNM2_eTV8Zf_2SxamfMrSQ
Spark安装包：https://pan.baidu.com/s/17mf2_DMiNy7OdlFwygekhg
IDE安装包：https://pan.baidu.com/s/1caaKufvSuHBX1xEFXvCwPw
一：JDK环境搭建
其中重要的就是两个安装路径JDK路径和JRE路径，三个环境变量：JAVA_HOME、PATH、CLASSPATH
我本地的是 JDK路径(D:\JAVA\JDK\) JRE路径(D:\JAVA\JRE)
JAVA_HOME(D:\JAVA\JDK)
PATH(%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin;)
CLASSPATH(.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;)
验证方案：java -version
二：SCALA环境搭建
下载后，解压即可。配置一个环境变量即可。
重要环境变量，加上即可：SCALA_HOME(D:\JAVA\scala) PATH(%SCALA_HOME%\bin;%SCALA_HOME%\jre\bin;)
验证方法：scala -version
三：hadoop环境搭建
下载后，解压即可。配置两个环境变量即可。
HADOOP_HOME(D:\JAVA\hadoop) PATH($HADOOP_HOME/bin;)
其中需要将bin下面的东西替换成window版本，因为是window版本。上面链接中的已经替换过。
四：运行的jar包
spark 解压的路径中jars目录中的东西，添加进IDE的classpath就行了
五：IDE解压开就行
打开后新建一个scala项目。和JAVA的IDE操作一模一样，在此不详细描述。
六：sparksql 你好，世界
spark 解压的路径中jars目录中的东西，添加进IDE的classpath
import java.util.Arrays
import org.apache.spark.SparkConf
import org.apache.spark.api.java.JavaSparkContext
import org.apache.spark.sql.{DataFrame, Row, SparkSession, functions}
import org.apache.spark.sql.functions.{col, countDistinct, desc, length, row_number, sum, trim, when,count}
import org.apache.spark.sql.types.{LongType, StringType, StructField, StructType}
import org.apache.spark.sql.expressions.Window
import org.apache.spark.storage.StorageLevel
import org.apache.spark.sql.SaveMode
object WordCount {
def main(args: Array[String]): Unit = {
val sparkSession= SparkSession.builder().master("local").appName("AppName").getOrCreate()
val javasc = new JavaSparkContext(sparkSession.sparkContext)
val nameRDD = javasc.parallelize(Arrays.asList("{‘name‘:‘wangwu‘,‘age‘:‘18‘,‘vip‘:‘t‘}",
"{‘name‘:‘sunliu‘,‘age‘:‘19‘,‘vip‘:‘t‘}","{‘name‘:‘zhangsan‘,‘age‘:‘18‘,‘vip‘:‘f‘}"));
val namedf = sparkSession.read.json(nameRDD)
namedf.select(col("name")).show(100)
}
}
hello，world详解
sparkSession的作用就相当于sparkcontext，是操作数据的关键
SparkSession.builder() java工厂模式哈
master("local") 限制模式是本地模式
appName("AppName") 填写自己app的名称，免得任务多的时候找不到自己的任务
getOrCreate() 固定方法，我也不知道为什么。尴尬，尴尬，尴尬
上线sparksession的初始化
怎么？sparksession的初始化还分本地模式和线上模式吗？
不，只是上一段代码中有一个master参数是local，这个参数的意思是本地模式。真正上线时不能用这个，需要去掉。
val sparkSession= SparkSession.builder().appName("AppName").getOrCreate()
JavaSparkContext、nameRDD、namedf、select
javaSparkContext 其实没有什么卵用就是将json转换成rdd
namedf rdd转换成的Dataframe，其实和spark-core中的rdd是一个概念。将json串转换为一个sparksql表了。
select Dataframe所有的操作和SQL是一样的，select就是简单的查询
原文地址：https://www.cnblogs.com/wuxiaolong4/p/11668053.html