Spark实验五Spark SQL 基本操作
Spark SQL 基本操作
将下列 JSON 格式数据复制到 Linux 系统中,并保存命名为 employee.json。
json数据
{ "id":1 ,"name":"Ella","age":36} { "id":2,"name":"Bob","age":29 } { "id":3 ,"name":"Jack","age":29} { "id":4 ,"name":"Jim","age":28} { "id":4 ,"name":"Jim","age":28} { "id":5 ,"name":"Damon" } { "id":5 ,"name":"Damon" }
命令行:
cd /usr/local/spark bin/spark-shell import org.apache.spark.sql.SparkSession val spark=SparkSession.builder().getOrCreate() import spark.implicits._ val df = spark.read.json("file:///usr/local/spark/employee.json")
为 employee.json 创建 DataFrame,并写出 Scala 语句完成下列操作:
(1)查询所有数据;
df.show()
(2)查询所有数据,并去除重复的数据;
df.distinct().show()
(3)查询所有数据,打印时去除 id 字段;
df.drop("id").show()
(4)筛选出 age>30 的记录;
df.filter(df("age") > 30 ).show()
(5)将数据按 age 分组;
df.groupBy("age").count().show()
(6)将数据按 name 升序排列;
df.sort(df("name").asc).show()
(7)取出前 3 行数据;
df.take(3)
或
df.head(3)
(8) 查询所有记录的 name 列,并为其取别名为 username;
df.select(df("name").as("username")).show()
(9)查询年龄 age 的平均值;
df.agg("age"->"avg").show()
(10)查询年龄 age 的最小值。
df.agg("age"->"min").show()