SPark SQL编程初级实践

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
class Employee(id:Long,name: String, age: Long) val employeeDF =

spark.sparkContext.textFile("file:///usr/local/spark/employee.txt").map(_.split(",")).map(at
tributes => Employee(attributes(0).trim.toInt,attributes(1),
attributes(2).trim.toInt)).toDF()
employeeDF.createOrReplaceTempView("employee")

val
employeeRDD = spark.sql("select id,name,age from employee")
employeeRDD.map(t =>
"id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show()

}

}

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
main(args: Array[String]) {

val
                                             employeeRDD
                                             =

spark.sparkContext.textFile("file:///usr/local/spark/employee.txt")
val schemaString = "id name age"

val
fields = schemaString.split(" ").map(fieldName =>
StructField(fieldName,

StringType, nullable = true)) val schema =
StructType(fields)

val
      rowRDD       =       employeeRDD.map(_.split(",")).map(attributes
       =>

Row(attributes(0).trim, attributes(1), attributes(2).trim))
val employeeDF = spark.createDataFrame(rowRDD, schema)
employeeDF.createOrReplaceTempView("employee") val results =
spark.sql("SELECT id,name,age FROM employee") results.map(t =>
"id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show()

}

}

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
:= "1.0" scalaVersion := "2.11.8"

libraryDependencies
+= "org.apache.spark" % "spark-core" % "2.1.0"

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:
Array[String]) { val employeeRDD =
spark.sparkContext.parallelize(Array("3 Mary F 26","4 Tom M

23")).map(_.split(" "))

val
schema = StructType(List(StructField("id", IntegerType,
true),StructField("name", StringType,
true),StructField("gender", StringType, true),StructField("age",
IntegerType, true)))

val
    rowRDD      =      employeeRDD.map(p     =>      Row(p(0).toInt,p(1).trim,

p(2).trim,p(3).toInt)) val employeeDF =
spark.createDataFrame(rowRDD, schema) val prop = new Properties()
prop.put("user", "root") 
prop.put("password", "hadoop") 
prop.put("driver","com.mysql.jdbc.Driver")

employeeDF.write.mode("append").jdbc("jdbc:mysql://localhost:3306/sparktest",

sparktest.employee", prop) val jdbcDF =
spark.read.format("jdbc").option("url",

"jdbc:mysql://localhost:3306/sparktest").option("driver","com.mysql.jdbc.Driver").optio
n("dbtable","employee").option("user","root").option("password",
"hadoop").load() jdbcDF.agg("age" -> "max",
"age" -> "sum")

}

}

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

时间: 2024-11-05 20:46:58

SPark SQL编程初级实践的相关文章

Spark SQL 编程初级实践

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"

第五周周二练习:实验 5 Spark SQL 编程初级实践

1.题目: 源码: import java.util.Properties import org.apache.spark.sql.types._ import org.apache.spark.sql.Row import org.apache.spark.sql.SparkSession import org.apache.spark.sql.DataFrameReader object TestMySQL { def main(args: Array[String]) { val spar

实验 5 Spark SQL 编程初级实践

Spark SQL基本操作 (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. 原文地址:https://www.cnblogs.com/flw0322/p/12288397.

SIX Spark Streaming 编程初级实践

Flume 官网下载 Flume1.7.0 安装文件,下载地址如下: http://www.apache.org/dyn/closer.lua/flume/1.7.0/apache-flume-1.7.0-bin.tar.gz 下载后,把 Flume1.7.0 安装到 Linux 系统的“/usr/local/flume”目录下, ⑴解压安装包 1.cd ~/下载 2.sudo tar -zxvf apache-flume-1.7.0-bin.tar.gz -C /usr/local # 将 a

Spark SQL 编程

Spark SQL的依赖 Spark SQL的入口:SQLContext 官方网站参考 https://spark.apache.org/docs/1.6.2/sql-programming-guide.html#starting-point-sqlcontext 针对几种不同的语言来写. Spark SQL的入口:HiveContext SQLContext vs HiveContext Spark SQL的作用与使用方式 Spark SQL支持的API 从程序中使用SparkSQL的基本套路

Spark SQL编程指南(Python)

前言 Spark SQL允许我们在Spark环境中使用SQL或者Hive SQL执行关系型查询.它的核心是一个特殊类型的Spark RDD:SchemaRDD. SchemaRDD类似于传统关系型数据库的一张表,由两部分组成: Rows:数据行对象 Schema:数据行模式:列名.列数据类型.列可否为空等 Schema可以通过四种方式被创建: (1)Existing RDD (2)Parquet File (3)JSON Dataset (4)By running Hive SQL 考虑到Par

Spark SQL编程指南(Python)【转】

转自:http://www.cnblogs.com/yurunmiao/p/4685310.html 前言 Spark SQL允许我们在Spark环境中使用SQL或者Hive SQL执行关系型查询.它的核心是一个特殊类型的Spark RDD:SchemaRDD. SchemaRDD类似于传统关系型数据库的一张表,由两部分组成: Rows:数据行对象 Schema:数据行模式:列名.列数据类型.列可否为空等 Schema可以通过四种方式被创建: (1)Existing RDD (2)Parquet

实验4 RDD编程初级实践

1.spark-shell交互式编程 (1) 该系总共有多少学生 scala> val lines = sc.textFile("file:///usr/local/spark/sparklab/Data01.txt") lines: org.apache.spark.rdd.RDD[String] = file:///usr/local/spark/sparklab/Data01.txt MapPartitionsRDD[4] at textFile at <consol

spark SQL编程动手实战-01

首先创建SparkContext上下文: 接着引入隐身转换,用于把RDD转成SchemaRDD: 接下来定义一个case class 来用于描述和存储SQL表中的每一行数据: 接下来要加载数据,这里的测试数据是user.txt文件: 我们创建好use.txt增加内容并上传到hdfs中: web控制台查询: hdfs命令查询: 加载数据: 验证数据是否加载成功: 注册成为user的table: 此刻user还是一个MappedRDD: 执行age 大于13 小于19的SQL查询: 此刻的teena