sparksession对象简介

小蜜蜂爱编程2024-03-20 12:24

什么是sparksession对象

spark2.0之后，sparksession对象是spark编码的统一入口对象，通常我们在rdd编程时，需要SparkContext对象作为RDD编程入口，但sparksession对象既可以作为RDD编程对象入口，在sparkcore编程中可以通过它来获取sparkcontext对象进行rdd编程，也可以直接作为sparksql编程入口对象

sparksession对象构建案例

go 复制代码

# coding:utf8
# sparksql中入口对象是SparkSession对象
from pyspark.sql import SparkSession

if __name__ == '__main__':
    # 构建sparksession对象，构建器模式
    spark = SparkSession.builder.\
        appName("mysparkTest").\
        master("local[*]").\
        config("spark.sql.shuffle.partitions", "4").\
        getOrCreate()
    # appName设置程序名称
    # local: 表示 Spark 将在本地模式下运行，即不会连接到任何集群管理器（如 YARN、Mesos 或 Kubernetes）。这通常用于开发和测试目的。
    # [*]: 这是一个特殊的语法，它告诉 Spark 使用所有可用的处理器核心来执行。星号 (*) 是一个占位符，它会被替换为当前机器上的处理器核心数。

    # config设置一些常用属性，不想设置可以不用写
    # getOrCreate创建sparksession对象

    # 通过SparkSession来获取SparkContext对象
    sc = spark.SparkContext
    # 读取csv格式文件，返回DataFrame格式的数据
    df = spark.read.csv("my_csv_file.csv", sep=',', header = False)
    # 给df加上表头，并赋值给新的df2
    df2 = df.toDF("id", "name", "age")
    # 打印df2表结构
    df2.printSchema()
    # 展示df2
    df2.show()
    # 创建临时视图，用于sql操作
    df2.createTempView("score")
    # SQL风格操作
    spark.sql("SELECT * FROM score where age=11 limit 5").show()
    # DSL风格
    df2.where("age=11").limit(5).show()