Spark(19) -- Spark SQL -- 概述

最新推荐文章于 2024-01-12 20:34:46 发布

erainm

最新推荐文章于 2024-01-12 20:34:46 发布

阅读量419

点赞数

CC 4.0 BY-SA版权

分类专栏：大数据学习文章标签： spark

本文链接：https://blog.youkuaiyun.com/eraining/article/details/108940656

大数据学习专栏收录该内容

148 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

Spark SQL是Apache Spark用于处理结构化数据的模块，提供DataFrame和SQL接口。相较于RDD，Spark SQL对结构化数据的优化使其更高效。Spark 2.0引入SparkSession作为主要入口，兼容Hive并提供DataFrame和Dataset API。Spark SQL的发展历程包括Shark框架的演进，最终发展为独立的Catalyst引擎。SparkSession统一了SQLContext和HiveContext，简化了数据加载和处理。

1. 什么是Spark SQL

在这里插入图片描述
Spark SQL是Apache Spark用来处理结构化数据的一个模块，它提供了一个编程抽象叫做DataFrame并且作为分布式SQL查询引擎的作用。
相比于Spark RDD API，Spark SQL包含了对结构化数据和在其上运算的更多信息，Spark SQL使用这些信息进行了额外的优化，使对结构化数据的操作更加高效和方便。
有多种方式去使用Spark SQL，包括SQL、DataFrames API和Datasets API。但无论是哪种API或者是编程语言，它们都是基于同样的执行引擎，因此你可以在不同的API之间随意切换，它们各有各的特点，看你喜欢哪种风格。
Spark 2.0开始，应用程序入口为SparkSession，加载不同数据源的数据，封装到DataFrame/Dataset集合数据结构中，使得编程更加简单，程序运行更加快速高效。