4.2 Spark SQL数据源 - 基本操作

这篇具有很好参考价值的文章主要介绍了4.2 Spark SQL数据源 - 基本操作。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、默认数据源

案例演示读取Parquet文件

查看Spark的样例数据文件users.parquet
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作

1、在Spark Shell中演示
启动Spark Shell
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
查看数据帧内容
4.2 Spark SQL数据源 - 基本操作
查看数据帧模式
4.2 Spark SQL数据源 - 基本操作
对数据帧指定列进行查询,查询结果依然是数据帧,然后通过write成员的save()方法写入HDFS指定目录
4.2 Spark SQL数据源 - 基本操作
查看HDFS上的输出结果
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
执行SQL查询
4.2 Spark SQL数据源 - 基本操作
查看HDFS上的输出结果
4.2 Spark SQL数据源 - 基本操作

课堂练习1、将4.1节的student.txt文件转换成student.parquet

得到学生数据帧 - studentDF
4.2 Spark SQL数据源 - 基本操作
将学生数据帧保存为parquet文件
4.2 Spark SQL数据源 - 基本操作
查看生成的parquet文件
4.2 Spark SQL数据源 - 基本操作
复制parquet文件到/datasource/input目录
4.2 Spark SQL数据源 - 基本操作

课堂练习2、读取student.parquet文件得到学生数据帧,并显示数据帧内容

4.2 Spark SQL数据源 - 基本操作

2、在IntelliJ IDEA里演示
在这里插入图片描述
4.2 Spark SQL数据源 - 基本操作
将java目录改成scala目录
4.2 Spark SQL数据源 - 基本操作
在pom.xml文件里添加相关依赖,设置源程序文件夹
4.2 Spark SQL数据源 - 基本操作

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0
         http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>net.cxf.sql</groupId>
    <artifactId>SparkSQLDemo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>2.12.15</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.12</artifactId>
            <version>3.1.3</version>
        </dependency>
    </dependencies>
    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
    </build>
</project>

4.2 Spark SQL数据源 - 基本操作

log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

4.2 Spark SQL数据源 - 基本操作

<?xml version="1.0" encoding="UTF-8"?>
<configuration>
    <property>
        <description>only config in clients</description>
        <name>dfs.client.use.datanode.hostname</name>
        <value>true</value>
    </property>
</configuration>

创建net.cxf.sql.day01包,在包里创建ReadParquetFile对象

package net.cxf.sql.day01
import org.apache.spark.sql.SparkSession
/**
 * 功能:读取Parquet文件
 * 作者:cxf
 * 日期:2023年06月07日
 */

object ReadParquetFile {
  def main(args: Array[String]): Unit = {
    // 创建或得到Spark会话对象
    val spark = SparkSession.builder()
      .appName("ReadParquetFile")
      .master("local[*]")
      .getOrCreate()
    // 加载student.parquet文件,得到数据帧
    val studentDF = spark.read.load("hdfs://master:9000/datasource/input/student.parquet")
    // 显示学生数据帧内容
    studentDF.show
    // 查询20岁以上的女生
    val girlDF = studentDF.filter("gender = '女' and age > 20")
    // 显示女生数据帧内容
    girlDF.show
    // 保存查询结果到HDFS(保证输出目录不存在)
    girlDF.write.save("hdfs://master:9000/datasource/output")
  }
}

运行程序,查看控制台结果
4.2 Spark SQL数据源 - 基本操作
在HDFS查看输出结果
4.2 Spark SQL数据源 - 基本操作

二、手动指定数据源

(一)案例演示读取不同数据源

1、读取csv文件
查看Spark的样例数据文件people.csv
4.2 Spark SQL数据源 - 基本操作
将people.csv文件上传到HDFS的/datasource/input目录,然后查看文件内
4.2 Spark SQL数据源 - 基本操作
读取人员csv文件,得到人员数据帧
4.2 Spark SQL数据源 - 基本操作
查看人员数据帧内容
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
查看人员数据帧内容
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作

2、读取json,保存为parquet
查看people.json文件
4.2 Spark SQL数据源 - 基本操作
将people.json上传到HDFS的/datasource/input目录,并查看其内容
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
查看生成的parquet文件
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
现在读取/datasource/input/people.parquet文件得到人员数据帧
4.2 Spark SQL数据源 - 基本操作
查看人员数据帧内容
4.2 Spark SQL数据源 - 基本操作
3、读取jdbc数据源,保存为json文件
查看student数据库里的t_user表
4.2 Spark SQL数据源 - 基本操作
报错,找不到数据库驱动程序com.mysql.jdbc.Driver
4.2 Spark SQL数据源 - 基本操作
将数据库驱动程序上传到master虚拟机的/opt目录
4.2 Spark SQL数据源 - 基本操作
将数据库驱动程序拷贝到$SPARK_HOME/jars目录,
4.2 Spark SQL数据源 - 基本操作
加载jdbc数据源成功,但是有个警告,需要通过设置useSSL=false来消除
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
执行命令:userdf.show()
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
在虚拟机slave1查看生成的json文件
4.2 Spark SQL数据源 - 基本操作

三、数据写入模式

案例演示不同写入模式

查看数据源
4.2 Spark SQL数据源 - 基本操作
查询该文件name里,采用覆盖模式写入/result,/result目录里本来有东西的
4.2 Spark SQL数据源 - 基本操作

4.2 Spark SQL数据源 - 基本操作
导入SaveMode类
4.2 Spark SQL数据源 - 基本操作
在slave1虚拟机上查看生成的json文件
4.2 Spark SQL数据源 - 基本操作
查询age列
4.2 Spark SQL数据源 - 基本操作
在slave1虚拟机上查看追加生成的json文件
4.2 Spark SQL数据源 - 基本操作

四、分区自动推断

(一)分区自动推断概述

以people作为表名,gender和country作为分区列,给出存储数据的目录结构
4.2 Spark SQL数据源 - 基本操作

(二)分区自动推断演示

1、建四个文件
在master虚拟机上/home里创建如下目录及文件,其中目录people代表表名,gender和country代表分区列,people.json存储实际人口数据
4.2 Spark SQL数据源 - 基本操作
2、读取表数据
启动Spark Shell
4.2 Spark SQL数据源 - 基本操作
4.2 Spark SQL数据源 - 基本操作
3、输出Schema信息
4.2 Spark SQL数据源 - 基本操作
4、显示数据帧内容
4.2 Spark SQL数据源 - 基本操作文章来源地址https://www.toymoban.com/news/detail-475692.html

到了这里,关于4.2 Spark SQL数据源 - 基本操作的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Spark SQL数据源:Hive表

    Spark SQL还支持读取和写入存储在Apache Hive中的数据。然而,由于Hive有大量依赖项,这些依赖项不包括在默认的Spark发行版中,如果在classpath上配置了这些Hive依赖项,Spark就会自动加载它们。需要注意的是,这些Hive依赖项必须出现在所有Worker节点上,因为它们需要访问Hive序列化

    2024年02月11日
    浏览(36)
  • Spark SQL基本操作

    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 首先为employee.json创建DataFrame,并写出Python语句完成以下操作: 创建DataFrame 查询DataFrame的所有数据 查询所有数据,并去除重复的数据 查询所有数据,打印时去除id字段 筛选age30的记录

    2024年02月05日
    浏览(58)
  • Spark数据源educoder

    第1关:SparkSQL加载和保存         在右侧编辑器补充代码,加载 people.json 文件,以覆盖的方式保存到 people 路径里,继续加载 people1.json 文件,以附加的方式保存到 people 路径里,最后以表格形式显示 people 里前 20 行 Dataset 。

    2024年02月04日
    浏览(45)
  • SQL 数据库基本操作

    打开 SSMS(Microsoft SQL Server Management Studio),“对象资源管理器” 窗口列表中依次双击 “UERE-20220228OY” → ”数据库“ → ”系统数据库“ (”UERE-20220228OY“ 是系统连接的服务器名称,不同的计算机中名称不尽相同),在展开的列表中可看到 4个已经存在的数据库,分别为

    2024年02月08日
    浏览(52)
  • 【SQL server】数据库入门基本操作教学

    个人主页:【😊个人主页】 系列专栏:【❤️初识JAVA】 数据库是计算机系统中用于存储和管理数据的一种软件系统。它通常由一个或多个数据集合、管理系统和应用程序组成,被广泛应用于企业、政府和个人等各种领域。目前常用的数据库系统包括关系型数据库和非关系型

    2024年02月07日
    浏览(47)
  • 【MySQL 】:测试数据准备、SQL语句规范与基本操作

    欢迎来到小K的MySQL专栏,本节将为大家准备MySQL测试数据、以及带来SQL语句规范、数据库的基本操作的详细讲解 要学习SQL查询语句,首先必须解决一个问题,数据问题。为了方便大家学习阅读我的文章,在这里提供了一个test.sql文件 ✨ 登录MySQL,输入 source xxx/test.sql 导入sql文

    2024年02月10日
    浏览(41)
  • 【②MySQL 】:测试数据准备、SQL语句规范与基本操作

    欢迎来到小K的MySQL专栏,本节将为大家准备MySQL测试数据、以及带来SQL语句规范、数据库的基本操作的详细讲解 要学习SQL查询语句,首先必须解决一个问题,数据问题。为了方便大家学习阅读我的文章,在这里提供了一个test.sql文件 ✨ 登录MySQL,输入 source xxx/test.sql 导入sql文

    2024年02月10日
    浏览(45)
  • spark DStream从不同数据源采集数据(RDD 队列、文件、diy 采集器、kafka)(scala 编程)

    目录 1. RDD队列 2 textFileStream 3 DIY采集器 4 kafka数据源【重点】        a、使用场景:测试        b、实现方式: 通过ssc.queueStream(queueOfRDDs)创建DStream,每一个推送这个队列的RDD,都会作为一个DStream处理     1. 自定义采集器     2. 什么情况下需要自定采集器呢?          比

    2024年02月07日
    浏览(49)
  • ODBC 配置数据源(SQL server)

    1、在控制面板管理工具中找到\\\"数据源ODBC\\\",并启动。 2、点击添加 3、选中 sqlserver 4、填写服务器地址 5、填写登陆账号、密码 6、选择默认连接的数据库 7、配置完成,可以测试连接

    2024年02月07日
    浏览(36)
  • 数据库SQL2000最基本的安装和操作教程

    Chengg0769 2012年 转载请保留以下版权来源 www.mis2erp.com http://blog.csdn.net/chengg0769 http://www.haojiaocheng.cc 题外话: 之前写了一个项目,因为是国企,各种文档都要给到他们。当时就写了一个简单的维护管理 SQL2000 的文档。这是给客户管理员看的。有时候很需要客户管理员的密切配合

    2024年02月08日
    浏览(54)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包