SparkSQL入门案例之一(SparkSQL1.x)

SparkSQL 1.x和2.x的编程API有一些变化，企业中都有使用，所以这里两种方式都将使用案例进行学习

先使用SparkSQL1.x的案例

开发环境跟之前开发SparkCore程序的一样，IDEA+Maven+Scala

1.导入SparkSQL的pom依赖

在之前的博文 Spark案例之根据ip地址计算归属地中的pom依赖中加上下面的依赖即可

<dependency>
       <groupId>org.apache.spark</groupId>
       <artifactId>spark-sql_2.11</artifactId>
       <version>${spark.version}</version>
</dependency>

2.具体代码实现，因为代码中已经有很详细的说明了，所以这里就直接放出来了

package cn.ysjh0014.SparkSql

import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, SQLContext}
import org.apache.spark.{SparkConf, SparkContext}

object SparkSqlDemo1 {

  def main(args: Array[String]): Unit = {

    //这个程序可以提交到Spark集群中
    val conf = new SparkConf().setAppName("SparkSql").setMaster("local[4]") //这里的setMaster是为了在本地运行，多线程运行

    //创建Spark Sql的连接
    val sc = new SparkContext(conf)
    //SparkContext不能创建特殊的RDD，将Spark Sql包装进而增强
    val SqlContext = new SQLContext(sc)

    //创建DataFrame(特殊的RDD，就是有schema的RDD)，先创建一个普通的RDD，然后再关联上schema
    val lines = sc.textFile(args(0))

    //将数据进行处理
    val boyRdd: RDD[Boy] = lines.map(line => {
      val fields = line.split(",")
      val id = fields(0).toLong
      val name = fields(1)
      val age = fields(2).toInt
      val yz = fields(3).toDouble
      Boy(id,name,age,yz)
    })
    //该RDD装的是Boy类型的数据，有了schema信息，但是还是一个RDD，所以应该将RDD转换成DataFrame
    //导入隐式转换
    import SqlContext.implicits._
    val df: DataFrame = boyRdd.toDF

    //变成DataFrame后就可以使用两种API进行编程了

    //1.使用SQL的方式
    //把DataFrame注册成临时表
    df.registerTempTable("body") //过时的方法
    //书写SQL(sql方法其实是Transformation)
    val result: DataFrame = SqlContext.sql("SELECT * FROM body ORDER BY yz desc, age asc")         //注意：  这里的SQL语句该大写的必须大写
    //查看结果(出发Action)
    result.show()


    //释放资源
    sc.stop()

  }
}

case class Boy(id: Long, name: String, age: Int, yz: Double)      //样例类

3.创建测试数据

创建一个txt文件，然后在里面输入以下数据

1,zhangsan,15,99
2,lisi,16,98
3,wangwu,20,100
4,xiaoming,11,97
5,xioali,8,92

4.运行测试

在运行前传入参数args(0)

SparkSQL入门案例之一(SparkSQL1.x)

运行结果：

SparkSQL入门案例之一(SparkSQL1.x)

可以看出输出结果是以一张表的形式展现的