Table of Contents
- 1. spark sql
- 2. SQLContext
- 2.1. sql context是spark sql的所有功能入口点
- 2.2. 通过spark context创建sql context
- 2.3. hive context功能上多于sql context，未来sql context也会增加功能
- 3. DataFrames
- 3.1. 功能
- 3.2. 创建DataFrames
- 3.3. DSL
- 3.3.1. 可以指定DataFrames的某列数据
1 spark sql
- 是spark的一个模块
- 处理结构化数据
- 提供了DataFrames作为编程的抽象层
- 同时也是一个分布式sql查询引擎
- 可以从hive中读取数据
2 SQLContext
2.1 sql context是spark sql的所有功能入口点
2.2 通过spark context创建sql context
val sc: SparkContext // An existing SparkContext.val sqlContext = new org.apache.spark.sql.SQLContext(sc)
注意，上面的val sc: …其实不需要写，因为启动spark-shell的时候有这么一个提示, 所以直接用就好。
Spark context available as sc.
2.3 hive context功能上多于sql context，未来sql context也会增加功能
不过由于我对hive不感兴趣，不会创建hive context
3 DataFrames
3.1 功能
- 分布式数据集合
- 列的方式组织
- 理解为关系数据库的表
- 可以从结构化文件，hive表，外部数据库或者RDD构造
3.2 创建DataFrames
通过SQLContext创建DataFrames，可以从外部文件，hive表或者RDD来创建。 为了测试本地文件，启动spark-shell的时候不要用–master连接spark master, 否则会提示找不到本地文件。 而如果想访问hdfs文件，启动spark-shell的时候要用–master。
scala> val sqlContext = new org.apache.spark.sql.SQLContext(sc)sqlContext: org.apache.spark.sql.SQLContext = [email protected]scala> val df = sqlContext.read.json("/home/smile/people.json")df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]scala> df.printSchema()df.printSchema()root |-- age: long (nullable = true) |-- name: string (nullable = true)scala> df.show()df.show()+---+----+|age|name|+---+----+| 38|Dean|+---+----+
3.3 DSL
DataFrames提供了DSL方面对结构化数据进行操作，都是些函数，比如select, printSchema, show, groupBy, filter等。
scala> df.select("name").show()+----+|name|+----+|Dean|+----+3.3.1 可以指定DataFrames的某列数据
比如：df("column-name") ，还可以用在select中 df.select(df("name")).show(), 结果还是一样，这里只是演示一种用法。 具体请参考官方文档
Created: 2015-11-12 四 23:21
Validate
版权声明：本文为博主原创文章，未经博主允许不得转载。