Spark-sql实验5.1
将下列 json 数据复制到你的 ubuntu 系统/usr/local/spark 下,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":5 ,"name":"Damon" }
{ "id":5 ,"name":"Damon" }
首先为
employee.json 创建 DataFrame,并写出 Scala 语句完成下列操作:
创建 DataFrame
scala> import org.apache.spark.sql.SparkSession scala> val spark=SparkSession.builder().getOrCreate() scala> import spark.implicits._ scala> val df = spark.read.json("file:///usr/local/spark/employee.json")
(1) 查询 DataFrame 的所有数据 答案:scala> df.show() (2) 查询所有数据,并去除重复的数据 答案:scala> df.distinct().show() (3) 查询所有数据,打印时去除 id 字段 答案:scala> df.drop("id").show() (4) 筛选 age>20 的记录 答案:scala> df.filter(df("age") > 30 ).show() (5) 将数据按 name 分组 答案:scala> df.groupBy("name").count().show() (6) 将数据按 name 升序排列 答案:scala> df.sort(df("name").asc).show() (7) 取出前 3 行数据 答案:scala> df.take(3) 或 scala> df.head(3) (8) 查询所有记录的 name 列,并为其取别名为 username 答案:scala> df.select(df("name").as("username")).show() (9) 查询年龄 age 的平均值 答案:scala> df.agg("age"->"avg") (10) 查询年龄 age 的最小值 答案:scala> df.agg("age"->"min")