作业6 Spark SQL及其DataFrame的基本操作

1.Spark SQL 出现 的 原因是 什么?

（1）Shark执行计划优化完全依赖于Hive，不便于添加新的优化策略。

（2）Spark是线程级并行，MapReduce是进程级并行，因此，Spark在兼容Hive的实现上存在线程安全问题，导致Shark不得不使用另外一套独立维护的、打了补丁的Hive源码分支。

（3）Shark的实现继承了大量的Hive代码，因而给优化和维护带来了大量的麻烦，特别是基于MapReduce设计的部分，成为整个项目的瓶颈。

2.用spark.read 创建DataFrame

 

 

 运行结果：

3.观察从不同类型文件创建DataFrame有什么异同?

通过txt文本文件创建的DataFrame是一个键值对，键是“value”，值是整个文本文件的内容，类型为string类型；

通过json文件创建的DataFrame可以是若干个键值对，键值对的键值类型与json文件内容一一对应。

 

4.观察Spark的DataFrame与Python pandas的DataFrame有什么异同？

 

 

 　　运行结果：