• 2020寒假生活学习日记(十二)


    林子雨实验五

    spark实验(五)--Spark SQL 编程初级实践(1)

    一、实验目的
    (1)通过实验掌握 Spark SQL 的基本编程方法;

    (2)熟悉 RDD 到 DataFrame 的转化方法;

    (3)熟悉利用 Spark SQL 管理来自不同数据源的数据。

    二、实验平台
    操作系统: ubuntu  Spark

    三、实验内容

    实验一

    1.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" }

    写入/usr/local/sparkdata文件里,命名为employee.json

    然后为 employee.json 创建 DataFrame

    import org.apache.spark.sql.SparkSession
    val spark=SparkSession.builder().getOrCreate()
    import spark.implicits._
    val df=spark.read.json("file:///usr/local/sparkdata/employee.json")
    

    (1) 查询所有数据;
    df.show()

    (2) 查询所有数据,并去除重复的数据;
    df.distinct().show()

    (3) 查询所有数据,打印时去除 id 字段;
    df.drop("id").show()

    (4) 筛选出 age>30 的记录;
    df.filter(df("age")>30).show()

    (5) 将数据按 age 分组;
    df.sort(df("age").asc).show()

    (6) 将数据按 name 升序排列;
    df.sort(df("name").asc).show()

    (7) 取出前 3 行数据;
    df.take(3)或df.head(3)

    (8) 查询所有记录的 name 列,并为其取别名为 username;
    df.select(df("name").as("username")).show()

    (9) 查询年龄 age 的平均值;
    df.agg("age"->"avg").show()

    (10) 查询年龄 age 的最小值。
    df.agg("age"->"min").show()

  • 相关阅读:
    自动化运维
    rabbitmq常见问题
    常见的排序算法
    rabbitmq
    redis-其他应用
    redis之缓存穿透、雪崩、击穿
    redis-cluster(集群)
    redis -sentinel(哨兵)
    redis持久化
    redis简介
  • 原文地址:https://www.cnblogs.com/jccjcc/p/12294368.html
Copyright © 2020-2023  润新知