spark实验(五)--Spark SQL 编程初级实践(1)

一、实验目的
（1）通过实验掌握 Spark SQL 的基本编程方法；

（2）熟悉 RDD 到 DataFrame 的转化方法；

（3）熟悉利用 Spark SQL 管理来自不同数据源的数据。

二、实验平台
操作系统： centos6.4 Spark 版本：1.5.0 数据库：MySQL

 

三、实验内容

实验一

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。

 

 

为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：

进入spark-shell中，输入以下命令：

val sqlcontext = new org.apache.spark.sql.SQLContext(sc)
val df = sqlcontext.read.json("file:///usr/local/sparkdata/employee.json")

 

 

接着完成实验：

(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.sort(df("age").asc).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()

 

实验二

2．编程实现将 RDD 转换为 DataFrame
源文件内容如下（包含 id,name,age）： 

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。

 

 

实验三

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。

 

 （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。