实验 5 Spark SQL 编程初级实践

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" }

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

.

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.SparkSession

object two1
{
  def main(args: Array[String]) {
    val conf = new SparkConf()
    conf.setMaster("local")
      .setAppName("two1")
    val sc = new SparkContext(conf)
    var spark = SparkSession.builder().getOrCreate()
    var df = spark.read.json("D:\Users\Administrator\IdeaProjects\WordCount\employee.json")
    //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.groupBy("name").count().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)
    //(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")
    //(10) 查询年龄 age 的最小值
    df.agg("age"->"min")
  }
}

2．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

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
import org.apache.spark.sql.SparkSession
object RDDtoDF {
  case class Employee(id:Long,name:String,age:Long)
  def main(args: Array[String]) {
    val conf = new SparkConf()
    conf.setMaster("local")
      .setAppName("RDDtoDF")
    val sc = new SparkContext(conf)
    val spark = SparkSession.builder.getOrCreate
    import spark.implicits._
    val employeeDF = sc.textFile("D:\Users\Administrator\IdeaProjects\WordCount\employee.txt")
      .map(_.split(","))
      .map(attributes => Employee(attributes(0).trim.toInt, attributes(1), attributes(2).trim.toInt)).toDF()
    employeeDF.createOrReplaceTempView("employee")
    var employeeRDD = spark.sql("select id,name,age from employee")
    employeeRDD.map(t=>"id:"+t(0)+"name:"+t(1)+"age:"+t(2)).show()
  }
}

3. 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

import java.util.Properties
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.types._
import org.apache.spark.sql.{Row, SparkSession}
object TestMySql {
  def main(args: Array[String])
  {
    val conf = new SparkConf()
    conf.setMaster("local")
      .setAppName("RDDtoDF")
    val sc = new SparkContext(conf)
    val spark = SparkSession.builder.getOrCreate
    import spark.implicits._
    val employeeRDD = spark.sparkContext.parallelize(Array("3 Mary F 26","4 Tom M 23"))
    .map(_.split(" "))
    val schema = StructType(List(StructField("id", IntegerType, true),StructField("name", StringType, true)
      ,StructField("gender", StringType, true)
      ,StructField("age", IntegerType, true)))
    val rowRDD = employeeRDD.map(p => Row(p(0).toInt,p(1).trim, p(2).trim,p(3).toInt))
    val employeeDF = spark.createDataFrame(rowRDD, schema)
    val prop = new Properties()
    prop.put("user","root")//账号
    prop.put("password","****")//密码
    prop.put("driver","com.mysql.jdbc.Driver")
    employeeDF.write.mode("append").jdbc("jdbc:mysql://localhost:3306/sparktest","employee",prop)//前面是数据库名，后面是表名
    val jdbcDF = spark.read.format("jdbc")
      .option("url", "jdbc:mysql://localhost:3306/sparktest")
      .option("driver","com.mysql.jdbc.Driver")
      .option("dbtable","employee")
      .option("user","root")
      .option("password","*****")
      .load()
    jdbcDF.agg("age" -> "max", "age" -> "sum").show()
  }
}