SparkSQL学习进度9-SQL实战案例

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":"Jack","age":29 }

{ "id":4 , "name":"Jim","age":28 }

{ "id":4 , "name":"Jim","age":28 }

{ "id":5 , "name":"Damon" }

{ "id":5 , "name":"Damon" }

为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：

(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。

编程实现将 RDD  转换为 DataFrame

源文件内容如下（包含 id,name,age）：

1,Ella,36

2,Bob,29

3,Jack,29

请将数据复制保存到 Linux 系统中，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。

package cn.itcast.spark.mook

import org.apache.spark.sql.SparkSession
import org.junit.Test

class RDDtoDataFrame {

  @Test
  def test(): Unit ={
    val spark=SparkSession.builder()
      .appName("datafreame1")
      .master("local[6]")
      .getOrCreate()

    import spark.implicits._
    val df=spark.sparkContext.textFile("dataset/employee.txt").map(_.split(","))
      .map(item => Employee(item(0).trim.toInt,item(1),item(2).trim.toInt))
      .toDF()
    df.createOrReplaceTempView("employee")
    val dfRDD=spark.sql("select * from employee")
    dfRDD.map(it => "id:"+it(0) +",name:"+it(1)+",age:"+it(2) )
      .show()
  }
}
case class Employee(id:Int,name:String,age:Long)

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，再创建表 employee，包含如表 6-2 所示的两行数据。

表 6-2 employee  表原有数据

id  name  gender  Age

1  Alice  F  22

2  John  M  25

（2）配置 Spark 通过 JDBC 连接数据库 MySQL，编程实现利用 DataFrame 插入如表 6-3 所示的两行数据到 MySQL 中，最后打印出 age 的最大值和 age 的总和。

表 6-3 employee  表新增数据

id  name  gender  age

3  Mary  F  26

4  Tom  M  23

package cn.itcast.spark.mook

import org.apache.spark.sql.{SaveMode, SparkSession}
import org.apache.spark.sql.types.{FloatType, IntegerType, StringType, StructField, StructType}

object MysqlOp {

  def main(args: Array[String]): Unit = {

    val spark = SparkSession
      .builder()
      .appName("mysql example")
      .master("local[6]")
      .getOrCreate()

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

    val studentDF = spark.read
      //分隔符：制表符
      .option("delimiter", ",")
      .schema(schema)
      .csv("dataset/stu")

    studentDF.write
      .format("jdbc")
      .mode(SaveMode.Append)
      .option("url", "jdbc:mysql://hadoop101:3306/spark02")
      .option("dbtable", "employee")
      .option("user", "spark")
      .option("password", "fengge666")
      .save()

    spark.read
      .format("jdbc")
      .option("url", "jdbc:mysql://hadoop101:3306/spark02")
      .option("dbtable","(select max(age),SUM(age) from employee) as emp")
      .option("user", "spark")
      .option("password", "fengge666")
      .load()
      .show()

  }

}