Spark SQL案例：计算平均分

一、提出任务
有多科成绩表，比如python.txt、spark.txt、django.txt，计算每个学生三科平均分
Python成绩表 - python.txt
1 张三 89
2 李四 90
3 王五 89
4 赵六 70
5 叶凡 79
6 石昊 97
7 楚阳 79
8 李天命 86

Django成绩表 -django.txt

1 张三 89
2 李四 90
3 王五 89
4 赵六 70
5 叶凡 79
6 石昊 97
7 楚阳 79
8 李天命 86

Spark成绩表 -spark.txt

• 1 张三 89
  2 李四 90
  3 王五 89
  4 赵六 70
  5 叶凡 79
  6 石昊 97
  7 楚阳 79
  8 李天命 86

• 预备工作：启动集群的HDFS与Spark
• 
• 在HDFS上新建/score目录
• 
• 

查看文件内容 

 

 

 

 

 

二、完成任务

（一）新建Maven项目

• 设置项目类型
• scala目录（用的以前的gif不会影响）
  

 

（二）添加相关依赖和构建插件
 在pom.xml 添加依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>net.cch.sql</groupId>
    <artifactId>SparkSQL</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>2.11.12</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>2.1.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>2.1.1</version>
        </dependency>
    </dependencies>
    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>3.3.0</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.3.2</version>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <phase>process-resources</phase>
                        <goals>
                            <goal>add-source</goal>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                    <execution>
                        <id>scala-test-compile</id>
                        <phase>process-test-resources</phase>
                        <goals>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

（三）创建日志属性文件
添加log4j.properties日志文件
log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（四）创建计算平均分单例对象
在net.cch.ssql包里创建CalclateAverageBySQL单例对象
package net.cch.sql

import org.apache.spark.sql.{Dataset, SparkSession}

/**
 * 功能: 使用Spark sql计算多表平均分
 * 作者: 罗星宇
 * 时间: 2022年06月10日
 */
object CalculusAverageBySQL {
  def main(args: Array[String]): Unit = {
    // 创建或得到Spark会话2对象
    val spark = SparkSession.builder()
      .appName("CalculusAverageBySQL")
      .master("local[*]")
      .getOrCreate()
    // 读取HDFS上的成绩文件
    val lines = spark.read.textFile("hdfs://master:9000/score")
    import spark.implicits._
    // 创建成绩数据集
    val gradeDS: Dataset[Score] = lines.map(
      line => {
        val fields = line.split(" ")
        val id = fields(0).toInt
        val name = fields(1)
        val score = fields(2).toInt
        Score(id,name, score)
      }
    )
    //显示成绩数据集内容

    //将数据转换成数据帧
    val df = gradeDS.toDF();

    // 创建临时表，计算平均分

    df.createOrReplaceTempView("t_Score")
    //查询临时表，计算平均分
//cast(AVG(score) AS decimal(5,2)) as average
    val avg = spark.sql(
      """
        |select first(id) as id,name, cast(avg(score) as decimal(5, 2)) as average
        |   FROM t_Score
        |   GROUP BY name
        |   ORDER BY id
        |""".stripMargin
    )

    avg.collect.foreach(row => println(row(0) + " " + row(1) + " " + row (2)))

  }
  case class Score(id:Int,name:String,score:Int)

}

（五）本地运行程序，查看结果
在控制台查看输出结果