今下午在课上没有将实验做完,课下进行了补充,最终完成。下面附上厦门大学数据库实验室中spark实验官网提供的标准答案,以供参考。
三、实验内容和要求
1.Spark SQL 基本操作
将下列 json
数据复制到你的 ubuntu
系统/usr/local/spark
下,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":5 ,"name":"Damon" }
{
"id":5 ,"name":"Damon" }
首先为 employee.json 创建 DataFrame,并写出 Scala 语句完成下列操作:创建 DataFrame
答案:
scala>
import org.apache.spark.sql.SparkSession scala> val
spark=SparkSession.builder().getOrCreate() scala> import spark.implicits._
scala> val df =
spark.read.json("file:///usr/local/spark/test/employee.json")
(1) 查询 DataFrame 的所有数据答案:scala>
df.show()
(2)
查询所有数据,并去除重复的数据
答案:scala> df.distinct().show()
(3)
查询所有数据,打印时去除 id 字段
答案:scala>
df.drop("id").show() (4) 筛选age>20的记录答案:scala>
df.filter(df("age") > 30 ).show()
(5)
将数据按 name 分组
答案:scala> df.groupBy("name").count().show()
(6)
将数据按 name 升序排列
答案:scala> df.sort(df("name").asc).show()
(7)
取出前 3 行数据
答案:scala> df.take(3) 或scala> df.head(3) (8) 查询所有记录的 name 列,并为其取别名为 username
答案:scala> df.select(df("name").as("username")).show()
(9) 查询年龄 age 的平均值
答案:scala> df.agg("age"->"avg") (10) 查询年龄 age 的最小值
答案:scala> df.agg("age"->"min")
2.编程实现将 RDD 转换为 DataFrame
源文件内容如下(包含 id,name,age),将数据复制保存到 ubuntu
系统/usr/local/spark
下,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。(任选一种方法即可)
1,Ella,36
2,Bob,29
3,Jack,29
答案:
假设当前目录为/usr/local/spark/mycode/rddtodf,在当前目录下新建一个目录 mkdir
-p src/main/scala ,然后在目录
/usr/local/spark/mycode/rddtodf/src/main/scala 下新建一个
rddtodf.scala,复制下面代码;(下列两种方式任选其一)
方法一:利用反射来推断包含特定类型对象的RDD的schema,适用对已知数据结构的RDD
转换;
import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder import org.apache.spark.sql.Encoder import spark.implicits._ object RDDtoDF { def main(args: Array[String]) { case spark.sparkContext.textFile("file:///usr/local/spark/employee.txt").map(_.split(",")).map(at val } } |
方法二:使用编程接口,构造一个 schema 并将其应用在已知的 RDD
上。
import org.apache.spark.sql.types._import org.apache.spark.sql.Encoder import org.apache.spark.sql.Row object RDDtoDF { def val spark.sparkContext.textFile("file:///usr/local/spark/employee.txt") val StringType, nullable = true)) val schema = val Row(attributes(0).trim, attributes(1), attributes(2).trim)) } } |
在目录/usr/local/spark/mycode/rddtodf
目录下新建 simple.sbt,复制下面代码:
name := "Simple Project" version libraryDependencies |
在目录/usr/local/spark/mycode/rddtodf
下执行下面命令打包程序
/usr/local/sbt/sbt package |
|
最后在目录/usr/local/spark/mycode/rddtodf 下执行下面命令提交程序 |
|
/usr/local/spark/bin/spark-submit --class " RDDtoDF /usr/local/spark/mycode/rddtodf/target/scala-2.11/simple-project_2.11-1.0.jar |
" |
在终端即可看到输出结果。
3. 编程实现利用 DataFrame 读写 MySQL 的数据
(1)
在 MySQL 数据库中新建数据库 sparktest,再建表 employee,包含下列两行数据;表 1 employee 表原有数据
id |
name |
gender |
age |
|
1 |
Alice |
F |
22 |
|
2 |
John |
M |
25 |
答案:
mysql> create database sparktest; mysql>
use sparktest;
mysql> create table employee (id int(4), name
char(20), gender char(4), age int(4)); mysql> insert into employee
values(1,‘Alice‘,‘F‘,22); mysql> insert into employee
values(2,‘John‘,‘M‘,25);
(2)
配置 Spark通过 JDBC 连接数据库MySQL,编程实现利用 DataFrame 插入下列数据到 MySQL,最后打印出 age 的最大值和 age 的总和。表 2 employee 表新增数据
id |
name |
gender |
age |
|||
3 |
Mary |
F |
26 |
|||
4 |
Tom |
M |
23 |
答案:假设当前目录为/usr/local/spark/mycode/testmysql,在当前目录下新建一个目录 mkdir
-p src/main/scala ,然后在目录
/usr/local/spark/mycode/testmysql/src/main/scala 下新建一个 testmysql.scala,复制下面代码;
import java.util.Properties import org.apache.spark.sql.types._ import org.apache.spark.sql.Row object TestMySQL { def main(args: 23")).map(_.split(" ")) val val p(2).trim,p(3).toInt)) val employeeDF = employeeDF.write.mode("append").jdbc("jdbc:mysql://localhost:3306/sparktest", sparktest.employee", prop) val jdbcDF = "jdbc:mysql://localhost:3306/sparktest").option("driver","com.mysql.jdbc.Driver").optio } } |
在目录/usr/local/spark/mycode/testmysql
目录下新建 simple.sbt,复制下面代码:
name := "Simple Project"
version := "1.0" scalaVersion := "2.11.8"
libraryDependencies += "org.apache.spark" % "spark-core" % "2.1.0" |
|
在目录/usr/local/spark/mycode/testmysql 下执行下面命令打包程序 |
|
/usr/local/sbt/sbt package |
|
最后在目录/usr/local/spark/mycode/testmysql 下执行下面命令提交程序 |
|
/usr/local/spark/bin/spark-submit --class " TestMySQL /usr/local/spark/mycode/testmysql/target/scala-2.11/simple-project_2.11-1.0.jar |
" |
在终端即可看到输出结果。
原文地址:https://www.cnblogs.com/somedayLi/p/10604233.html