Spark SQL 基本操作

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

答案：

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")