SparkSql 常见使用

最新推荐文章于 2024-06-18 08:45:00 发布

原创最新推荐文章于 2024-06-18 08:45:00 发布 · 229 阅读

CC 4.0 BY-SA版权

3 篇文章

订阅专栏

本文详细介绍如何使用SparkSession替代SparkContext进行数据处理，包括读取文件、转换RDD、创建临时表并执行SQL查询，以及DataFrame间的Join操作，提供了一套完整的实践案例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

读文件:val peopleDf = spark.read.textFile("E:\\07-hadoop\\01-spark\\sql\\people.txt")

df转rdd : val peopleDs = peopleDf.rdd
将rdd变换为一行一行:
val peopleRdd = peopleDs.map(line => Row(line.split(",")(0), line.split(",")(1).toInt))
通过rdd和schema 创建临时表 spark.createDataFrame(peopleRdd,schema).createOrReplaceTempView("people")
使用sql查询临时表:val peopleSqlDf = spark.sql("select * from people")
两个dateFrame之间join等操作:

val rdd =

locationSqlDf.join(peopleSqlDf,locationSqlDf("name") === peopleSqlDf("name")).drop(locationSqlDf("name")).toDF()