spark sql在scala中使用的方式有哪些

这篇文章主要介绍“spark sql在Scala中使用的方式有哪些”，在日常操作中，相信很多人在spark sql在scala中使用的方式有哪些问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”spark sql在scala中使用的方式有哪些”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

package hgs.spark.sqlimport org.apache.spark.SparkConfimport org.apache.spark.SparkConfimport org.apache.spark.SparkContextimport org.apache.spark.sql.SQLContextimport org.apache.spark.sql.SQLImplicitsimport org.apache.spark.sql.types.StructTypeimport org.apache.spark.sql.types.StructFieldimport org.apache.spark.sql.types.StringTypeimport org.apache.spark.sql.types.IntegerTypeimport org.apache.spark.sql.Row//第一种方法创建dataframeobject SqlTest1 {  def main(args: Array[String]): Unit = {    val conf = new SparkConf().setAppName("sqltest1").setMaster("local")    val context = new SparkContext(conf)    val sqlContext = new SQLContext(context)        val rdd = context.textFile("d:\\person",1)    val rdd2 = rdd.map(x=>{val t = x.split(" ");person(t(0).toInt,t(1),t(2).toInt)})    //第一种方法创建dataframe,在这里需要导入隐式转换    import sqlContext.implicits._          val persondf = rdd2.toDF()      //这个方法在2.1.0里面被废除    //persondf.reGISterTempTable("person")    //使用该函数代替    persondf.createOrReplaceTempView("person")    val result = sqlContext.sql("select * from person order by age desc")    //打印查询的结果    result.show()    //或者将结果保存到文件    result.write.JSON("d://personselect")       context.stop()  }}case class person(id:Int,name:String,age:Int)//第二种方法创建dataframe//3.1.2.通过StructType直接指定Schemaobject SqlTest2{  def main(args: Array[String]): Unit = {    val conf = new SparkConf().setAppName("sqltest2").setMaster("local")    val context = new SparkContext(conf)    val sqlContext = new SQLContext(context)        val rdd = context.textFile("d:\\person",1)        //第一种方法创建dataframe,在这里需要导入隐式转换    //创建schema，即一个映射关系       val personShcema = StructType(    List(        //下面为一个列的描述，分别为 列名，数据类型，是否为空        StructField("id",IntegerType,true),        StructField("name",StringType,true),        StructField("age",IntegerType,true)     )        )        val rdd2 = rdd.map(x=>{val t = x.split(" ");Row(t(0).toInt,t(1),t(2).toInt)})    //通过这种方式创建dataframe    val persondf = sqlContext.createDataFrame(rdd2, personShcema)    //将dataframe映射为一个临时的表    persondf.createOrReplaceTempView("person")    //查询数据展示    sqlContext.sql("select * from person order by age desc").show()    context.stop()      }}

一些笔记：checkpoint:将rdd中间过程持久化到hdfs上面，如果某个rdd失败，则从hdfs回复，这样代价较小sc.setCheckpointDir("hdfs dir or other fs dir "),建议将RDD cache之后再checkpoin这样将减少一次运算直接从内存中将RDD进行checkpoin但是这样之前依赖的RDD也会被丢弃RDD Objects构建DAG--->DAGScheduler(TaskSet(每个Task在每个excutor上&&切分stage,并提价stage))    ------>TaskScheduler(Task&&提交task,)------>Worker(执行task)stage:根据依赖关系区分stage，当遇到一个宽依赖(节点之间交换数据)的时候划分一个stage其中窄依赖：父RDD的分区数据只传向一个子RDD分区，而宽依赖则是父RDD的分区数据会传向多个子RDD的或者多个分区spark SQL:处理结构化的数据DataFrames:与RDD类似，DataFrame也是一个分布式数据容器。然而DataFrame更像传统数据库的二维表格，除了数据以外，还记录数据的结构信息，即schema。同时，与Hive类似，DataFrame也支持嵌套数据类型（struct、array和map）。从api易用性的角度上 看，DataFrame API提供的是一套高层的关系操作，比函数式的RDD API要更加友好，门槛更低。由于与R和pandas的DataFrame类似，Spark DataFrame很好地继承了传统单机数据分析的开发体验创建DataFrame: 将数据映射为class，RDD.toDF 通过sql查询，将df注册为一个表1. df.registerTempTable("test") sqlContext.sql("select * from test").show  2.通过StructType定义：StrutType(List())hive 3.0.0 与spark1.将hive-site.xml hdfs-site.xml  core-site.xml复制到spark的conf文件夹下 ，将mysql驱动放到spark的jars文件夹下面2.在hive中的语句在spark-sql中完全适用：create table person(id int,name string,age int) row fORMat delimited fields terminated by ' ';load data inpath 'hdfs://bigdata00:9000/person' into table person；select * from person；数据如下：1hgs262wd243zz254cm243.在spark-sql console交互中会打印很多的INFO级别的信息，很烦人，解决办法是在conf文件夹下：   mv log4j.properties.template  log4j.properties将log4j.rootCateGory=INFO, console 修改为log4j.rootCategory=WARN, console

到此，关于“spark sql在scala中使用的方式有哪些”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！