DataFrame

目录

一、创建DataFrame

在SparkSql中SparkSession是创建DataFrame和执行Sql的入口,创建DataFrame有三种方式:

  1. 通过Spark的数据源进行创建

  2. 从一个存在的RDD进行转换

  3. 从Hive Table进行查询返回

二、Sql语法

Sql语法风格是指我们查询数据的时候使用Sql语句来查询,这种风格的查询必须要有临时视图或者全局视图来辅助

注意:

普通临时表是Session范围内的,如果想应用范围内有效,可以使用全局临时表,使用全局临时表时需要全路径访问,如:global_temp.people

对于DataFrame创建一个全局表:

复制代码
df.createGlobalTempView("people")

通过Sql语句实现查询全表

三、DSL语法

DataFrame提供了一个特定领域语言(domain-specific language,DSL)去管理结构化的数据,可以在Scala,Java,Python和R中使用DSL,使用DSL语法风格不必去创建临时视图了

注意:

当涉及到运算的时候,每列都必须使用$,或者采用引号表达式:单引号+字段名

起别名:

查看age大于等于30的数据:

根据 age 分组,查看数据条数

四、RDD与DataFrame互相转换

在IDEA中开发程序时,如果需要RDD与DF或者DS之间互相操作,那么需要引入:

复制代码
import spark.implicits._

这里的spark不是scala中的包名,而是创建的sparkSession对象的变量名称,所以必须先创建SparkSession对象再导入,这里的spark对象不能使用var声明,因为scala只支持val修饰的对象的引入,spark-shell中无需导入,自动完成此操作

用var修饰的话,编译不通过

rdd与dataframe互相转换:

scala 复制代码
 val spark: SparkSession = SparkSession
      .builder()
      .master("local[*]")
      .getOrCreate()

    import spark.implicits._

    val rdd: RDD[Int] = spark.sparkContext.makeRDD(List(1,2,3,4,5))

    val df: DataFrame = rdd.toDF("id")

    val rdd2: RDD[Row] = df.rdd

    df.show()

    println("-" * 100)

    rdd2.collect().foreach(println)
相关推荐
墨染丶eye12 小时前
数据仓库项目启动与管理
大数据·数据仓库·spark
Y1nhl1 天前
Pyspark学习一:概述
数据库·人工智能·深度学习·学习·spark·pyspark·大数据技术
chat2tomorrow3 天前
数据仓库是什么?数据仓库的前世今生 (数据仓库系列一)
大数据·数据库·数据仓库·低代码·华为·spark·sql2api
SmartManWind3 天前
YARN Container与Spark Executor参数优先级详解
大数据·javascript·spark
Freedom℡3 天前
hadoop 集群的常用命令
spark
猪猪果泡酒3 天前
Spark,hadoop的组成
spark
今天我又学废了3 天前
Spark,配置hadoop集群1
大数据·hadoop·spark
Lansonli4 天前
大数据Spark(五十六):Spark生态模块与运行模式
大数据·分布式·spark
hf2000124 天前
技术深度报道:解析云器Lakehouse如何实现超越Spark 10倍性能提升
大数据·分布式·spark
Arbori_262154 天前
Spark 程序的本地模式和集群模式
大数据·分布式·spark