Spark 数据源
一、mysql作为数据源
- import org.apache.spark.sql.{DataFrame, Dataset, Row, SparkSession}
- /**
- * mysql作为数据源
- *
- * schema信息
- * root
- * |-- uid: integer (nullable = false)
- * |-- xueyuan: string (nullable = true)
- * |-- number_one: string (nullable = true)
- */
- object JdbcSource {
- def main(args: Array[String]): Unit = {
- //1.sparkSQL 创建sparkSession
- val sparkSession: SparkSession = SparkSession.builder().appName("JdbcSource")
- .master("local[2]").getOrCreate()
- //2.加载数据源
- val urlData: DataFrame = sparkSession.read.format("jdbc").options(Map(
- "url" -> "jdbc:mysql://localhost:3306/urlcount",
- "driver" -> "com.mysql.jdbc.Driver",
- "dbtable" -> "url_data",
- "user" -> "root",
- "password" -> "root"
- )).load()
- //测试
- //urlData.printSchema()
- //urlData.show()
- //3.过滤数据
- val fData: Dataset[Row] = urlData.filter(x => {
- //uid>2 如何拿到uid?
- x.getAs[Int](0) > 2
- })
- fData.show()
- sparkSession.stop()
- }
- }
mysql数据:
二、Spark写出数据格式
- import org.apache.spark.sql.{DataFrame, Dataset, Row, SparkSession}
- object JdbcSource1 {
- def main(args: Array[String]): Unit = {
- //1.sparkSQL 创建sparkSession
- val sparkSession: SparkSession = SparkSession.builder().appName("JdbcSource")
- .master("local[2]").getOrCreate()
- import sparkSession.implicits._
- //2.加载数据源
- val urlData: DataFrame = sparkSession.read.format("jdbc").options(Map(
- "url" -> "jdbc:mysql://localhost:3306/urlcount",
- "driver" -> "com.mysql.jdbc.Driver",
- "dbtable" -> "url_data",
- "user" -> "root",
- "password" -> "root"
- )).load()
- //3.uid>2
- val r = urlData.filter($"uid" > 2)
- val rs: DataFrame = r.select($"xueyuan", $"number_one")
- //val rs: DataFrame = r.select($"xueyuan")
- //写入以text格式
- //rs.write.text("e:/saveText")
- //写入以json格式
- //rs.write.json("e:/saveJson")
- //写入以csv格式
- rs.write.csv("e:/saveCsv")
- //rs.write.parquet("e:/savePar")
- rs.show()
- sparkSession.stop()
- }
- }
三、Json作为数据源
- import org.apache.spark.sql.{DataFrame, Dataset, Row, SparkSession}
- object JsonSource {
- def main(args: Array[String]): Unit = {
- //1.创建sparkSession
- val sparkSession: SparkSession = SparkSession.builder().appName("JsonSource")
- .master("local[2]").getOrCreate()
- import sparkSession.implicits._
- //2.读取json数据源
- val jread: DataFrame = sparkSession.read.json("e:/saveJson")
- //3.处理数据
- val fread: Dataset[Row] = jread.filter($"xueyuan" === "bigdata")
- //4.触发action
- fread.show()
- //5.关闭资源
- sparkSession.stop()
- }
- }
四、Csv作为数据源
- import org.apache.spark.sql.{DataFrame, Dataset, Row, SparkSession}
- object CsvSource {
- def main(args: Array[String]): Unit = {
- //1.创建sparkSession
- val sparkSession: SparkSession = SparkSession.builder().appName("CsvSource")
- .master("local[2]").getOrCreate()
- import sparkSession.implicits._
- //2.读取csv数据源
- val cread: DataFrame = sparkSession.read.csv("e:/saveCsv")
- //3.处理数据
- val rdf = cread.toDF("id", "xueyuan")
- val rs = rdf.filter($"id" <= 3)
- //4.触发action
- rs.show()
- //5.关闭资源
- sparkSession.stop()
- }
- }
Spark 数据源的更多相关文章
- 大数据技术之_19_Spark学习_03_Spark SQL 应用解析 + Spark SQL 概述、解析 、数据源、实战 + 执行 Spark SQL 查询 + JDBC/ODBC 服务器
第1章 Spark SQL 概述1.1 什么是 Spark SQL1.2 RDD vs DataFrames vs DataSet1.2.1 RDD1.2.2 DataFrame1.2.3 DataS ...
- Apache Spark 2.2.0 中文文档 - Spark SQL, DataFrames and Datasets Guide | ApacheCN
Spark SQL, DataFrames and Datasets Guide Overview SQL Datasets and DataFrames 开始入门 起始点: SparkSession ...
- Spark官方1 ---------Spark SQL和DataFrame指南(1.5.0)
概述 Spark SQL是用于结构化数据处理的Spark模块.它提供了一个称为DataFrames的编程抽象,也可以作为分布式SQL查询引擎. Spark SQL也可用于从现有的Hive安装中读取数据 ...
- Spark SQL官网阅读笔记
Spark SQL是Spark中用于结构化数据处理的组件. Spark SQL可以从Hive中读取数据. 执行结果是Dataset/DataFrame. DataFrame是一个分布式数据容器.然而D ...
- 【Spark深入学习 -16】官网学习SparkSQL
----本节内容-------1.概览 1.1 Spark SQL 1.2 DatSets和DataFrame2.动手干活 2.1 契入点:SparkSess ...
- Spark(1.6.1) Sql 编程指南+实战案例分析
首先看看从官网学习后总结的一个思维导图 概述(Overview) Spark SQL是Spark的一个模块,用于结构化数据处理.它提供了一个编程的抽象被称为DataFrames,也可以作为分布式SQL ...
- Spark的MLlib和ML库的区别
机器学习库(MLlib)指南 MLlib是Spark的机器学习(ML)库.其目标是使实际的机器学习可扩展和容易.在高层次上,它提供了如下工具: ML算法:通用学习算法,如分类,回归,聚类和协同过滤 特 ...
- Apache Spark 2.2.0 中文文档
Apache Spark 2.2.0 中文文档 - 快速入门 | ApacheCN Geekhoo 关注 2017.09.20 13:55* 字数 2062 阅读 13评论 0喜欢 1 快速入门 使用 ...
- Hadoop spark mongo复制集
启动hadoop cd /usr/local/hadoop/hadoop $hadoop namenode -format # 启动前格式化namenode $./sbin/start-all.sh ...
随机推荐
- codeforces水题100道 第四题 Codeforces Round #105 (Div. 2) A. Insomnia cure (math)
题目链接:http://www.codeforces.com/problemset/problem/148/A题意:求1到d中有多少个数能被k,l,m,n中的至少一个数整出.C++代码: #inclu ...
- codeforces水题100道 第三题 Codeforces Beta Round #47 A. Domino piling (math)
题目链接:http://www.codeforces.com/problemset/problem/50/A题意:一个NxM的举行中最多能放多少个1x2的矩形.C++代码: #include < ...
- nginx+php-fpm 报“File not found.”
找网上找了很多帖子,大都是说nginx中的$document_root$换成绝对路径,但是依然不能解决问题 后再把php-fpm配置文件中的 [www]下边的 usr = apache group = ...
- 【技术分享会】 @第五期 angularjs
前言 AngularJS 最初由Misko Hevery 和Adam Abrons于2009年开发,后来成为了Google公司的项目.AngularJS弥补了HTML在构建应用方面的不足,其通过使用标 ...
- WP8.1学习系列(第五章)——中心控件Hub或透视控件Pivot交互UX
具有主页菜单(中心或透视控件)的中心应用中心 你可能要设计包含许多功能的应用.当你看着这些功能时,可能会决定将它们整理到独立的区域中.这些区域最终会成为用户要访问的应用的独立部分.你需要设计一个简便的 ...
- Linux命令 swap:内存交换空间
swap 内存交换空间的概念 swap使用上的限制
- hdu3507 Print Article[斜率优化dp入门题]
Print Article Time Limit: 9000/3000 MS (Java/Others) Memory Limit: 131072/65536 K (Java/Others)To ...
- C语言位操作初步
位操作允许程序员对单独的位进行操作,例如,早某些机器上,短整型占16位,位操作将每一位单独操作. 位操作允许程序员设置.清除.测试与其他的操作,这些操作如下表: 操作 含义 & 按位与 | 按 ...
- Thinkphp框架下对某个字段查询数据的时候进行唯一过滤,返回唯一不同的值
方法一. DISTINCT 方法用于返回唯一不同的值 . *distinct方法的参数是一个布尔值. 用法: $data = $Model->Distinct(true)->field(' ...
- ipv4组播预留地址
列表如下: 224.0.0.0 基准地址(保留) 224.0.0.1 所有主机的地址 224.0.0.2 所有组播路由器的地址 224.0.0.3 不分配 224.0.0.4 dvmrp 路由器 22 ...