DataFrame操作数据的两种方式(SQL和DSL)

SQL方式

需要将DataFrame注册成为一张临时表，并给临时表起名字，通过SQL语句查询分析DataFrame中数据

• 局部临时表、全局临时表
  [注意]：
  --1 如果我们注册的是全局表，查询全局表的时候，必须在表名前加上一个数据库的名字global_temp
  val frame = session.sql("select sex, count(*) as num from global_temp.student group by sex")
  --2 每次SQL操作完成都会返回一个新的DataFrame，这个DataFrame中就是我们处理分析完成的数据
  --3 如果我们DataFrame是从Hive中读取的数据，也可以使用这种方式去操作
• 区别

	局部临时表	全局临时表
方法字段	createTempViewdataFrame.createTempView("student")	createOrReplaceGlobalTempViewdataFrame.createOrReplaceGlobalTempView("student")
作用域	作用于某个Spark应用程序的所有SparkSession会话	作用于某个特定的SparkSession会话如果同一个应用中不同的session需要重用一个临时表，那么不妨将该临时表注册为全局临时表，可以避免多余的IO，提高系统的执行效率，但是如果只是在某个session中使用，只需要注册局部临时表，可以避免不必要的内存占用
使用场景	局部临时表是和SparkSession挂钩的，SparkSession一旦停止，临时表就无法使用了	全局临时表是和Spark Application(SparkContext)挂钩的，只有当Spark应用程序停止了，全局表才无法访问

DSL方式

1. 展示dataFrame的结构
   dataFrame.printSchema()
2. 数据展示

println("-----------------------数据展示1开始-------------------------")
dataFrame.show()
println("-----------------------数据展示1结束-------------------------")

println("-----------------------数据展示2开始-------------------------")
val dataFrame1 = dataFrame.groupBy("sex").agg(Map("sex" -> "count")).select("*")
dataFrame1.show()
println("-----------------------数据展示2结束-------------------------")

println("-----------------------数据展示3开始-------------------------")
val dataFrame2 = dataFrame.groupBy("name", "age", "sex").agg(Map("age" -> "max", "age" -> "min", "age" -> "avg", "*" -> "count")).select("*")
dataFrame2.show()
println("-----------------------数据展示3结束-------------------------")

3. 完整代码

package SparkSQL.DataFreamCreate.optdataframe

import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, SparkSession}
import scala.beans.BeanProperty

object DSLOper {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("dataFrameCreate").setMaster("local[*]")
    val sparkSession = SparkSession.builder().config(conf).getOrCreate()

    val seq:Seq[Student] = Array(Student("zs",20,"男"),Student("ls",21,"女"),Student("ww",22,"男"))
    val rdd:RDD[Student] = sparkSession.sparkContext.makeRDD(seq)
    val dataFrame:DataFrame = sparkSession.createDataFrame(rdd,classOf[Student])

    println("-----------------------展示结构开始-------------------------")
    dataFrame.printSchema()
    println("-----------------------展示结构结束-------------------------")
    println("-----------------------数据展示1开始-------------------------")
    dataFrame.show()
    println("-----------------------数据展示1结束-------------------------")

    println("-----------------------数据展示2开始-------------------------")
    val dataFrame1 = dataFrame.groupBy("sex").agg(Map("sex" -> "count")).select("*")
    dataFrame1.show()
    println("-----------------------数据展示2结束-------------------------")

    println("-----------------------数据展示3开始-------------------------")
    val dataFrame2 = dataFrame.groupBy("name", "age", "sex").agg(Map("age" -> "max", "age" -> "min", "age" -> "avg", "*" -> "count")).select("*")
    dataFrame2.show()
    println("-----------------------数据展示3结束-------------------------")
//    session.sparkContext.makeRDD(dataFrame)


  }
}
case class Student(@BeanProperty var name:String,@BeanProperty var age:Int,@BeanProperty var sex:String)