spark SQL編程

1.編程實現將 RDD 轉換爲 DataFrame
源文件內容以下（包含 id,name,age）：

1,Ella,36 2,Bob,29 3,Jack,29

 

 

請將數據複製保存到 Linux 系統中，命名爲 employee.txt，實現從 RDD 轉換獲得DataFrame，並按「id:1,name:Ella,age:36」的格式打印出 DataFrame 的全部數據。請寫出程序代碼。 

import org.apache.spark.sql.types._ import org.apache.spark.sql.Encoder import org.apache.spark.sql.Row import org.apache.spark.sql.SparkSession object RDDtoDF { def main(args: Array[String]) { val spark=SparkSession.builder().appName("RddToFrame").master("local").getOrCreate() import spark.implicits._ val employeeRDD=spark.sparkContext.textFile("file:///usr/local/spark/employee.txt") val schemaString="id name age" val fields=schemaString.split(" ").map(fieldName=>StructField (fieldName,StringType,nullable = true)) val schema = StructType(fields) val rowRDD = employeeRDD.map(_.split(",")).map(attributes => Row(attributes(0).trim, attributes(1), attributes(2).trim)) val employeeDF = spark.createDataFrame(rowRDD, schema) employeeDF.createOrReplaceTempView("employee") val results=spark.sql("select id,name,age from employee") results.map(t => "id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show() } }

2.編程實現利用 DataFrame 讀寫 MySQL 的數據
（1）在 MySQL 數據庫中新建數據庫 sparktest，再建立表 employee，包含如表 6-2 所示的
兩行數據。
表 6-2 employee 表原有數據

id	name	gender	Age
1	Alice	F	22
2	John	M	25

 打開mysql

 

（2）配置 Spark 經過 JDBC 鏈接數據庫 MySQL，編程實現利用 DataFrame 插入如表 6-3 所示的兩行數據到 MySQL 中，最後打印出 age 的最大值和 age 的總和。

表 6-3 employee 表新增數據

id	name	gender	age
3	Mary	F	26
4	Tom	M	23

 

 

import java.util.Properties import org.apache.spark.sql.types._ import org.apache.spark.sql.Row import org.apache.spark.sql.SparkSession object TestMySQL { def main(args: Array[String]): Unit = { val spark=SparkSession.builder().appName("TestMySQL").master("local").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") prop.put("password","wangli") prop.put("driver","com.mysql.jdbc.Driver") employeeDF.write.mode("append").jdbc("jdbc:mysql://localhost:3306/sparktest","sparktest.employee",prop) 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", "wangli").load() jdbcDF.agg("age" -> "max", "age" -> "sum").show() } }