06 spark SQL及其DataFrame的基本操作

一，Spark SQL出现的 原因是什么?

SparkSQL抛弃原有Shark的代码，汲取了Shark的一些优点，如内存列存储（In-Memory Columnar Storage）、Hive兼容性等，重新开发了SparkSQL代码；

由于摆脱了对hive的依赖性，SparkSQL无论在数据兼容、性能优化、组件扩展方面都得到了极大的方便

 二，用spark.read 创建DataFrame

spark.read.text(file)

 

spark.read.json(file)

 

 三，观察从不同类型文件创建DataFrame有什么异同?

spark.read.text(file)不能识别出列名，spark.read.json(file)可以

 

四， 观察Spark的DataFrame与Python pandas的DataFrame有什么异同？

都可以读取多种类型文件

 

Spark SQL DataFrame的基本操作

创建：

spark.read.text()

spark.read.json()

打印数据

df.show()默认打印前20条数据，df.show(n)

打印概要

df.printSchema()

查询总行数

df.count()

df.head(3) #list类型，list中每个元素是Row类

输出全部行

df.collect() #list类型，list中每个元素是Row类

 

 查询概况

df.describe().show()

取列

df[‘name’]

df.name

df.select()

df.filter()

df.groupBy()

df.sort()