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
  
• 在master虚拟机上新建一个file文件，在file创建三个成绩文件
  
  
• 将文件上传到hdfs上的score目录下
  
• 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