spark sql 创建dataframes

Table of Contents

• 1. spark sql
• 2. SQLContext
  • 2.1. sql context是spark sql的所有功能入口点
  • 2.2. 通过spark context创建sql context
  • 2.3. hive context功能上多于sql context，未来sql context也会增加功能
• 3. DataFrames
  • 3.1. 功能
  • 3.2. 创建DataFrames
  • 3.3. DSL

1 spark sql

• 是spark的一个模块
• 处理结构化数据
• 提供了DataFrames作为编程的抽象层
• 同时也是一个分布式sql查询引擎
• 可以从hive中读取数据

2 SQLContext

2.1 sql context是spark sql的所有功能入口点

2.2 通过spark context创建sql context

val sc: SparkContext // An existing SparkContext.
val sqlContext = new org.apache.spark.sql.SQLContext(sc)

注意，上面的val sc: …其实不需要写，因为启动spark-shell的时候有这么一个提示, 所以直接用就好。

Spark context available as sc.

2.3 hive context功能上多于sql context，未来sql context也会增加功能

不过由于我对hive不感兴趣，不会创建hive context

3 DataFrames

3.1 功能

• 分布式数据集合
• 列的方式组织
• 理解为关系数据库的表
• 可以从结构化文件，hive表，外部数据库或者RDD构造

3.2 创建DataFrames

通过SQLContext创建DataFrames，可以从外部文件，hive表或者RDD来创建。 为了测试本地文件，启动spark-shell的时候不要用–master连接spark master, 否则会提示找不到本地文件。 而如果想访问hdfs文件，启动spark-shell的时候要用–master。

scala> val sqlContext = new org.apache.spark.sql.SQLContext(sc)
sqlContext: org.apache.spark.sql.SQLContext = [email protected]

scala> val df = sqlContext.read.json("/home/smile/people.json")
df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]

scala> df.printSchema()
df.printSchema()
root
 |-- age: long (nullable = true)
 |-- name: string (nullable = true)

scala> df.show()
df.show()
+---+----+
|age|name|
+---+----+
| 38|Dean|
+---+----+

3.3 DSL

DataFrames提供了DSL方面对结构化数据进行操作，都是些函数，比如select, df, printSchema, show, groupBy, filter等。

scala> df.select("name").show()
+----+
|name|
+----+
|Dean|
+----+

具体请参考官方文档

Author: dean

Created: 2015-11-12 四 09:33

Validate

版权声明：本文为博主原创文章，未经博主允许不得转载。