SparkSQL(二)

本文介绍了SparkSQL编程模型,重点讲解了DataFrame的select和filter操作的三种用法,以及如何读写JSON、TXT、CSV和JDBC数据。通过示例展示了数据的读取与写入,包括追加和覆盖保存的方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

SparkCore编程模型是RDD

SparkSQL编程模型是DataFrame/DataSet

SparkSQL编程入口为SparkSession

select 三种写法

  • df.select(“column1”,“column2”)
  • df.select(df(“column1”),df(“column2”))
  • import spark.implicits._
    val frame = df.select($“column1”, $“column2”)

filter 三种写法

value是数值直接写数值,如果是字符串需要加双引号

frame.where等同于frame.fileter
源码中可以看到where底层也是走的filter
===>def where(condition: Column): Dataset[T] = filter(condition)==

  • frame.filter(df(“column”)===value).show()
  • frame.filter(“column = value”).show()
  • frame.filter('column === value).show()

读取数据

读数据:DataFrameReader

1.spark.read.format(“json/text/jdbc…”).load(path)
返回格式为DataFrame

===>等价于

2.spark.read.json(path)
返回格式为DataSet
===> 此简写方式底层走的也是1的写法

写入数据

df.write.format("…").save(path)
写数据:DataFrameWriter

读写json数据
import org.apache.spark.sql.SparkSession

object sourceApp {

  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder
      .master("local")
      .appName("test")
      .getOrCreate()
    json(spark)
    spark.stop()
  }

  def json(spark:SparkSession): Unit ={

    val df = spark.read.format("json").json("D:\\bigdata\\ruozedata-spark\\ruozedata-spark-sql\\data\\people.json")
    //select x,x,x,...
    val frame = df.select("age", "name")
//    df.select(df("age"),df("name"))
//    import spark.implicits._
//    val frame = df.select($"age", $"name")
    val result = frame.filter(df("age") === 19)
//    frame.filter("age = 19").show()
//    frame.filter('age === 19).show()
    result.write.format("json").save("out")
  }

}

当重复执行的时候,会报错路径已存在,所以我们可以选择追加或者覆盖的方式
源码如下:

  def mode(saveMode: String): DataFrameWriter[T] = {
    this.mode = saveMode.toLowerCase(Locale.ROOT) match {
      case "overwrite" => SaveMode.Overwrite
      case "append" => SaveMode.Append
      case "ignore" => SaveMode.Ignore
      case "error" | "errorifexists" | "default" => SaveMode.ErrorIfExists
      case _ => throw new IllegalArgumentException(s"Unknown save mode: $saveMode. " +
        "Accepted save modes are 'overwrite', 'append', 'ignore', 'error', 'errorifexists'.")
    }
    this
  }

备注:append不是在原有结果上追加,而是重新生成结果文件

所以数据写入可以修改为:

result.write.format(“json”).mode(“overwrite”).save(“out”)

读写txt
import org.apache.spark.sql.SparkSession

object sourceApp {

  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder
      .master("local")
      .appName("test")
      .getOrCreate()
    text(spark)
    spark.stop()
  }

  def text(spark:SparkSession): Unit ={

    val value = spark.read.textFile("D:\\bigdata\\ruozedata-spark\\ruozedata-spark-sql\\data\\people.txt")

    import spark.implicits._
    val value1 = value.map(x => {
      val strings = x.split(",")
      (strings(0)+strings(1))
    })
    value1.write.format("text")
      .mode("overwrite")
      //指定压缩格式
      .option("compression","gzip")
      .save("out")
  }
  
}
源码中默认压缩格式
private val shortCompressionCodecNames = Map(
    "none" -> null,
    "uncompressed" -> null,
    "bzip2" -> classOf[BZip2Codec].getName,
    "deflate" -> classOf[DeflateCodec].getName,
    "gzip" -> classOf[GzipCodec].getName,
    "lz4" -> classOf[Lz4Codec].getName,
    "snappy" -> classOf[SnappyCodec].getName)

读写csv
  def csv(spark: SparkSession): Unit = {
    val df = spark.read.format("csv")
      .option("header","true")
      .option("sep",";")
      .option("inferSchema","true")
      .load("D:\\bigdata\\ruozedata-spark\\ruozedata-spark-sql\\data\\people.csv")
    df.printSchema()
  }
  
jdbc读写
  def jdbc(spark: SparkSession): Unit = {
    val df = spark.read.format("jdbc")
      .option("url", "jdbc:mysql://hadoop001:3306")
      .option("dbtable", "offsets.offsets_storage")
      .option("user", "root")
      .option("password", "123456")
      .load()
    import spark.implicits._

    df.printSchema()
    df.filter('partitions === 0)
      .write.format("jdbc")
      .option("url", "jdbc:mysql://hadoop001:3306")
      .option("dbtable", "offsets.offsets_storage_2")
      .option("user", "root")
      .option("password", "123456")
      .save()
  }
  

欢迎关注公众号,一起愉快的交流
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值