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；

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。

在目录/usr/local/spark/mycode/rddtodf
目录下新建 simple.sbt，复制下面代码：

在目录/usr/local/spark/mycode/rddtodf
下执行下面命令打包程序

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

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

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；

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"

在终端即可看到输出结果。

原文地址：https://www.cnblogs.com/somedayLi/p/10604233.html