实验内容和要求
1.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。
{ "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" }
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;
(2) 查询所有数据,并去除重复的数据;
(3) 查询所有数据,打印时去除 id 字段;
(4) 筛选出 age>30 的记录;
(5) 将数据按 age 分组;
(6) 将数据按 name 升序排列;
(7) 取出前 3 行数据;
(8) 查询所有记录的 name 列,并为其取别名为 username;
(9) 查询年龄 age 的平均值;
(10) 查询年龄 age 的最小值。
2.编程实现将 RDD转换为 DataFrame
源文件内容如下(包含 id,name,age):
1,Ella,36
2,Bob,29
3,Jack,29
请将数据复制保存到 Linux 系统中,命名为 employee.txt,实现从 RDD 转换得到
DataFrame,并按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有数据。请写出程序代码。
3.编程实现利用 DataFrame读写 MySQL的数据
(1)在 MySQL 数据库中新建数据库 sparktest,再创建表 employee,包含如表 6-2 所示的两行数据。
表 6-2 employee表原有数据
id |
name |
gender |
Age |
1 |
Alice |
F |
22 |
|
|
|
|
2 |
John |
M |
25 |
|
|
|
|
(2)配置 Spark 通过 JDBC 连接数据库 MySQL,编程实现利用 DataFrame 插入如表 6-3 所示的两行数据到 MySQL 中,最后打印出 age 的最大值和 age 的总和。
表 6-3 employee表新增数据
id |
name |
gender |
age |
3 |
Mary |
F |
26 |
|
|
|
|
4 |
Tom |
M |
23 |
|
|
|
|
1).查询DataFrame的所有数据
2).查询所有数据,并且去除重复的数据
3). 查询所有数据,打印时去除id字段
4). 筛选age>20的记录
5).将数据按name分组
6). 将数据按name升序排列
7). 取出前3行数据
8). 查询所有记录的name列,并为其取别名为username
9). 查询年龄age的平均值
10). 查询年龄age的最小值
2.编程实现将RDD转换为DataFrame
:利用反射来推断包含特定类型对象的RDD的schema,适用对已知数据结构的RDD转换;
在目录rddtodf目录下新建simple.sbt
打包
打包有问题
直接在spark-shell中运行
3. 编程实现利用 DataFrame 读写 MySQL 的数据
1)在MySQL数据库中新建数据库sparktest,再建表employee,包含下列两行数据;
(2)配置Spark通过JDBC连接数据库MySQL,编程实现利用DataFrame插入下列数据到MySQL,最后打印出age的最大值和age的总和。