从外部存储的结构化文件创建DataFrame(options的多种模式)---常用的一种方式

options的多种模式

Option可选操作项
.option("mode", "FAILFAST")    // 读取模式
读取模式的常用值有
permissive：当遇到损坏的记录时，将其所有字段设置为 null，
dropMalformed：删除格式不正确的行
failFast：遇到格式不正确的数据时立即失败
.option("inferSchema", "true")    // 是否自动推断 schema
.option("path", "path/to/file(s)")   // 文件路径
.option("header", "false")        // 文件中的第一行是否为列的名称 CSV文件使用

1. 从txt文件中创建DataFrame

    从txt文件中创建DataFrame
    如果是从普通的文本文件创建DataFrame 文件中的列和列的分隔符不清楚
    所以创建的DataFrame只有一列，一列就是一行数据

    val sc = new SparkConf().setMaster("local[2]").setAppName("demo")
    val session = SparkSession.builder().config(sc).getOrCreate()
    val map = Map[String, String]("mode" -> "FAILFAST", "inferSchema" -> "true")
    val frame = session.read.options(map).text("hdfs://node1:9000/student.txt")
    frame.show()

2. 从json文件中创建DataFrame -- 常用

    从json文件中创建DataFrame -- 常用 -- 列名就是json对象的key值
    {"name": "zs","age": 20,"sex":"男"}
    json文件只能存在json对象，每一个json对象之间以换行符分隔

    val map1 = Map[String, String]("mode" -> "FAILFAST", "inferSchema" -> "true")
    val dataFrame = session.read.options(map1).json("hdfs://node1:9000/student.json")
    dataFrame.show()

3. 从csv文件中创建DataFrame -- 最常用

    从csv文件中创建DataFrame -- 最常用 -- 大数据中的很多数据都是以csv文件格式存储的
    csv文件--是以，分割的一种文件格式，可以使用execel或者记事本打开的一种特殊的结构化数据我呢见
    "header"->"true"把第一列当作表格的列名来处理

    val map2 = Map[String, String]("mode" -> "FAILFAST", "inferSchema" -> "true", "header" -> "true")
    val dataFrame2 = session.read.options(map2).csv("hdfs://node1:9000/student.csv")
    dataFrame2.show()
    val dataFrame4 = session.read.options(map2).format("json").load("hdfs://node1:9000/student.json")
    dataFrame4.show()
    // sparksql将结果输出方式写出
//    dataFrame2.write.mode("append").parquet("hdfs://node1:9000/parquet")

4. 从parquet格式创建DataFrame--常用

    从parquet格式创建DataFrame--常用
    parquet格式文件Hive、SparkSQL、Flink都支持。列式存储文件格式

    val dataFrame3 = session.read.options(map2).parquet("hdfs://node1:9000/parquet")
    dataFrame3.show()