Spark面试知识点-SparkSQL(1)

0.介绍：

(1)Spark SQL的前身是Shark，即Hive on Spark，

1.SparkSQL特点：

(1)支持多种数据源：Hive,RDD,Parquet,JSON，JDBC等。

(2)多种性能优化技术：in-memory columnar storage,byte-code generation,cost model动态评估等

(3)组件扩展：对于SQL的语法解析器、分析器以及优化器，用户都可以自己重新开发，并且动态扩展。SparkSQL的性能对比Shark来说，又有了数倍的提升。

2.SparkSQL和DataFrame

(1)SparkSQL是Spark中的一个模块，主要用于进行结构化数据的胡处理。它提供了一个一个最核心的编程抽象，就是DataFrame。同时SparkSQL还可以作为分布式的SQL查询引擎。SparkSQL最重要的功能之一就是从Hive中查询数据。

(2)DataFrame可以理解为是以列的形式组织的分布式的数据集合，它和关系型数据库中的表非常相似，但是底层做了很多的优化。DataFrame可以通过很多源来构建，如结构化数据文件，Hive中的表，外部的关系型数据库以及RDD。

(3)Spark 在 RDD 基础上，提供了 DataFrame 和 Dataset 用户编程接口，并且在跨语言（ Scala 、 Java 、Python 和 R）方面具有很好的支持 。 为了追求简化，降低开发人员的学习成本，从 Spark 2.0 开始， DataFrame 和 Dataset 进行了统一。

3.SparkContext

(1)SparkContext对象的创建

java版本：

scala 版本的对象创建