06-SparkSQL
1.spark sql
1.1.spark sql概述
官网地址:http://spark.apache.org/sql/
1.1.1.什么是spark sql
spark sql是spark用来处理结构化数据的一个模块,它提供了一个编程抽象DataFrame,作为分布式SQL查询的引擎,它是将spark sql转换成RDD,然后提交到集群中去运行,执行效率非常快。支持多种使用方式:SQL、DataFrame API、DataSet API。
相比于spark RDD API,spark sql包含了对结构化数据和在其上运算的更多信息,spark sql使用这些信息进行了额外的优化,对结构化数据的操作更加高效和方便。
1.1.2.spark sql优点
易整合
将sql查询与spark程序无缝整合。可以使用java、scala、python、R等语言的API操作。
统一的数据访问方式
以相同的方式连接到任何数据源。
兼容Hive
支持hive SQL的语法。
标准的数据连接
可以使用行业标准的JDBC或ODBC进行连接
六字诀: 易用、兼容、标准
1.2.DataFrame
1.2.1.什么是DataFrame
在spark中,DataFrame是一种以RDD为基础的分布式数据集,它的前身是SchemaRDD,类似于传统数据库的二维表格。
从Spark 1.3.0开始由SchemaRDD更名为DataFrame。它与SchemaRDD的主要区别:DataFrame不再直接继承自RDD,而是自己实现了RDD的绝大多数功能。可以在DataFrame上调用rdd方法将其转换为一个RDD。
DataFrame带有Schema元数据信息,即DataFrame所表示的二维表数据集的每一列都带有名称和类型,底层做了更多的优化。可以通过多种方式构建DataFrame:已经存在的RDD、结构化文件、外部数据库、Hive表。
dataframe记录了对应列的名称和类型
- dataFrame引入schema和off-heap(使用操作系统层面上的内存)
- 1、解决了RDD的缺点
- 序列化和反序列化开销大
- 频繁的创建和销毁对象造成大量的GC
- 2、丢失了RDD的优点
- RDD编译时进行类型检查
- RDD具有面向对象编程的特性
- 1、解决了RDD的缺点
1.2.2.DataFrame与RDD区别
RDD是分布式的对象的集合,Spark并不知道对象的详细模式信息
DataFrame是分布式的Row对象的集合,其提供了由列组成的详细模式信息
DataFrame还引入了off-heap,意味着JVM堆以外的内存, 这些内存直接受操作系统管理(而不是JVM)
DataFrame除了提供了比RDD更丰富的算子以外,更重要的特点是减少数据读取以及执行计划的优化,提升执行效 率。易用性更好
1.2.3.DataFrame与RDD的优缺点
- RDD优缺点
- 优点:
- 编译时类型安全
- 面向对象的编程风格
- 缺点:
- 序列化和反序列化的性能开销大
- GC的性能开销大
- 优点:
- DataFrame优缺点
- 优点:
- DataFrame引入了schema,存储了结构化数据的元数据信息,操作方便
- DataFrame引入了off-heap(非堆内存),解决了RDD 中GC性能开销大的问题
- 缺点:
- DataFrame不是类型安全的
- DataFrame不是面向对象的
- 优点:
1.2.4.如何创建DataFrame
在spark2.0版本之前,spark sql中SqlContext是创建DataFrame和执行SQL的入口。利用hiveContext通过hive sql语句操作hive表数据,兼容hive操作,并且hiveContext继承自SQLContext。
在spark2.0之后,这些都统一于SparkSession,SparkSession 封装了SparkContext,SqlContext,通过SparkSession可以获取到SparkConetxt,SqlContext对象。
启动spark-shell:(node03)
#cd /export/servers/spark-2.0.2-bin-hadoop2.7/bin
spark-shell --master local[2]
1.2.4.1.读取文本文件创建DataFrame
1.准备数据文件
people.txt:文件内容有三列(id、name、age)
1 zhangsan 20
2 lisi 29
3 wangwu 25
4 zhaoliu 30
5 tianqi 35
6 kobe 40
2.加载数据文件、关联样例类
#在spark-shell中加载数据文件
val lineRDD= sc.textFile("file:///export/servers/testdata/people.txt").map(_.split(" "))#定义People样例类
case class People(id:Int,name:String,age:Int)#将lineRDD和样例类People关联
val peopleRDD=lineRDD.map(x=>People(x(0).toInt,x(1),x(2).toInt))
3.将peopleRDD转换成DataFrame
val peopleDF=peopleRDD.toDF
4.显示DataFrame中数据:
peopleDF.show
5.显示DataFrame中schema信息:
peopleDF.printSchema
6.直接通过SparkSession创建DataFrame
val dataFrame=spark.read.text("file:///export/servers/testdata/people.txt")
1.2.4.2.读取json文件创建DataFrame
1.准备数据文件
使用spark安装包下提供了数据文件:
#文件路径
$SPARK_HOME/examples/src/main/resources/people.json#加载数据文件
val jsonDF=spark.read.json("file:///export/servers/spark-2.0.2-bin-hadoop2.7/examples/src/main/resources/people.json")
1.2.4.3.读取parquet列式存储格式文件创建DataFrame
1.准备数据文件
使用spark安装包下提供了数据文件:
#文件路径
$SPARK_HOME/examples/src/main/resources/users.parquet
#加载数据文件
val parquetDF= spark.read.parquet("file:///export/servers/spark-2.0.2-bin-hadoop2.7/examples/src/main/resources/users.parquet")
细节:关于SparkSession读取文件的相关方法
输入**spark.read.**按tab键,自动提示
1.3.DataFrame常用操作
1.3.1.DSL风格语法
说明:DSL(Domain Specific Language)特定领域语言,是一种为了特定任务而设计的开发语言。比如XSLT、Html等。
1.3.1.1.启动spark-shell
spark-shell --master local[2]
1.3.1.2.查看DataFrame完整内容
#加载数据文件
val rdd1= sc.textFile("file:///export/servers/testdata/people.txt").map(_.split(" "))
#定义样例类
case class People(id:Int,name:String,age:Int)
#将rdd与样例类进行关联
val rdd2=rdd1.map(x=>People(x(0).toInt,x(1),x(2).toInt))
#将rdd2转换成DataFrame
val peopleDF=rdd2.toDF
#查看peopleDF中的完整内容
peopleDF.show
1.3.1.3.查看DataFrame部分列内容
peopleDF.select("name").showpeopleDF.select(col("name")).showpeopleDF.select($"name").showpeopleDF.select(peopleDF.col("name")).show
1.3.1.4.查看DataFrame部分列内容,在列上执行操作
peopleDF.select("name","age").showpeopleDF.select(col("name"),col("age")).show
#取出年龄列数据,并且执行+1操作
peopleDF.select(col("name"),col("age"),col("age")+1).show
1.3.1.5查看DataFrame满足条件的内容
#查看年龄大于等于30的用户
peopleDF.filter(col("age")>=30).show
1.3.1.6.执行统计操作
#统计用户记录数
peopleDF.count
1.3.1.7.执行分组统计操作
#按照年龄列进行分组统计
peopleDF.groupBy("age").count.show
1.3.1.8.打印DataFrame的schema信息
peopleDF.printSchema
1.3.2.SQL风格语法
说明:DataFrame的一个强大之处就是我们可以将它看作是一个关系型数据表,可以通过在程序中使用spark.sql() 来执行SQL语句查询,结果返回一个DataFrame。
使用SQL风格的语法,需要将DataFrame注册成表,采用如下的方式:
DataFrame.registerTempTable("表名称")
1.3.2.1.将DataFrame注册成表
peopleDF.registerTempTable("t_people")
1.3.2.2.查询年龄最大的前两名
spark.sql("select * from t_people order by age desc limit 2").show
1.3.2.3.查询年龄大于30的人信息
spark.sql("select * from t_people where age>30").show
1.3.2.4.显示表的schema信息
spark.sql("desc t_people").show
1.4.DataSet
1.4.1.什么是DataSet
DataSet是分布式的数据集合,提供了强类型支持,是在RDD的每行数据加了类型约束。DataSet是在spark1.6中添加的新的接口,它集中了RDD的优点和spark sql优化的执行引擎。
DataSet包含了DataFrame的功能,DataFrame表示为DataSet[Row],即DataSet的子集。在spark2.0中两者已经统一。
1.4.2.RDD、DataFrame、DataSet区别
RDD:
DataFrame:
DataSet:
**细节:**DataSet融合了RDD和DataFrame两者的优点。
- DataSet中,数据有类型信息(DataFrame的优点)
- DataSet会在编译时检查类型(RDD的优点)
- DataSet是面向对象编程的接口(RDD的优点)
1.4.3.DataFrame与DataSet转换
1.4.3.1.DataFrame转换为DataSet
DataFrame.as[ElementType]
1.4.3.2.DataSet转换为DataFrame
DataSet.toDF()
1.4.4.创建DataSet
1.4.4.1.DataFrame转换生成DataSet
#加载数据文件
val df1= spark.read.json("file:///export/servers/spark-2.0.2-bin-hadoop2.7/examples/src/main/resources/people.json")
#定义样例类
case class Person(age:BigInt,name:String)
#通过as[类型]转换成DataSet
val ds1=df1.as[Person]
1.4.4.2.通过toDS方法生成DataSet
#定义样例类
case class Person(id:Long,name:String,age:Long)
#定义集合数据
val data=List(Person(1,"zhangsan",18),Person(2,"lisi",28))
#通过toDs方法转换成DataSet
val ds2=data.toDS
1.4.4.3.spark.createDataSet方法创建DataSet
#从已经存在的scala集合中构建DataSet
val ds3=spark.createDataset(1 to 5)
#从已经存在的rdd构建DataSet
val rdd4=sc.textFile("file:///export/servers/testdata/people.txt")
val ds4=spark.createDataset(rdd4)
2.编程方式执行spark sql查询
2.1.编写spark sql程序将RDD转换成DataFrame
2.1.1.通过反射推断schema方式
scala支持使用case class类型导入RDD转换为DataFrame,通过case class创建schema,case class的参数名称会被利用反射机制作为列名。这种RDD可以高效的转换为DataFrame并注册为表。
2.1.1.1.创建项目
2.1.1.2.导入依赖
<?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>cn.liny</groupId><artifactId>spark-teach-day06-01project</artifactId><version>1.0-SNAPSHOT</version><packaging>jar</packaging><properties><scala.version>2.11.8</scala.version><spark.version>2.0.2</spark.version></properties><!--配置依赖--><dependencies><!--scala依赖--><dependency><groupId>org.scala-lang</groupId><artifactId>scala-library</artifactId><version>${scala.version}</version></dependency><!--spark依赖--><dependency><groupId>org.apache.spark</groupId><artifactId>spark-sql_2.11</artifactId><version>${spark.version}</version></dependency></dependencies><!--配置插件--><build><plugins><!--scala编译插件--><plugin><groupId>org.scala-tools</groupId><artifactId>maven-scala-plugin</artifactId><version>2.15.2</version><executions><execution><goals><goal>compile</goal></goals></execution></executions></plugin><!-- java 编译插件 --><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-compiler-plugin</artifactId><version>3.2</version><configuration><source>1.8</source><target>1.8</target><encoding>UTF-8</encoding></configuration></plugin></plugins></build></project>
2.1.1.3.编写代码
scala版本:
package cn.liny.rdd.dfimport org.apache.spark.SparkContext
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, Row, SparkSession}/*** 学习通过反射推断方式,把RDD转换成DataFrame(scala版本)*/// 定义样例类
case class People(id:Int,name:String,age:Int)object RddToDFScala {// 执行入口def main(args: Array[String]): Unit = {// 1.创建SparkSession对象val spark: SparkSession = SparkSession.builder().appName("RddToDFScala").master("local[2]").getOrCreate()// 2.从SparkSession中,获取SparkContext对象val sc: SparkContext = spark.sparkContextsc.setLogLevel("WARN")// 3.加载数据文件val peopleRDD: RDD[String] = sc.textFile("D:\\02teach\\02resources\\0322\\04bigdata\\testdata\\people.txt")// 4.切分每一行记录val splitRDD: RDD[Array[String]] = peopleRDD.map(x=>x.split(" "))// 5.将RDD与样例类进行关联val casePeopleRDD: RDD[People] = splitRDD.map(x=>People(x(0).toInt,x(1),x(2).toInt))// 6.通过toDF方法把RDD转换成DataFrame/*** 细节:* 调用toDF方法,需要手动导入隐士转换*/import spark.implicits._val peopleDF: DataFrame = casePeopleRDD.toDF// 7.通过DSL方式操作DataFrame==============================DSL// 显示schema信息peopleDF.printSchema()// 显示所有字段peopleDF.columns.foreach(x=>println(x))// 显示数据,默认显示20行peopleDF.show()// 显示第一行记录val firstRow: Row = peopleDF.head()println(firstRow)// 统计记录数量println(peopleDF.count())// 显示指定列的值peopleDF.select("id","name").show()// 过滤操作peopleDF.filter($"age">30).show()// 分组统计操作peopleDF.groupBy("age").count().show()// 8.通过sql语句方式操作DataFrame===============================sqlprintln("通过sql语句方式操作DataFrame===============================sql")// 把DataFrame注册为表peopleDF.createOrReplaceTempView("t_people")// 显示表的schema信息spark.sql("desc t_people").show()// 查询全表数据spark.sql("select * from t_people").show()// 9.释放资源sc.stop()spark.stop()}}
java版本:
People javaBean:
package cn.liny.jrdd.po;import java.io.Serializable;/*** 实体类*/
public class People implements Serializable {private int id;private String name;private int age;public int getId() {return id;}public void setId(int id) {this.id = id;}public String getName() {return name;}public void setName(String name) {this.name = name;}public int getAge() {return age;}public void setAge(int age) {this.age = age;}public String toString() {return "People{" +"id=" + id +", name='" + name + '\'' +", age=" + age +'}';}
}
RddToDFJava:
package cn.liny.jrdd.df;import cn.liny.jrdd.po.People;
import org.apache.spark.SparkContext;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;import java.util.Arrays;/*** 学习通过反射推断方式,把RDD转换成DataFrame(java版本)*/
public class RddToDFJava {public static void main(String[] args) {// 1.创建SparkSession对象SparkSession spark = SparkSession.builder().appName("RddToDFJava").master("local[2]").getOrCreate();// 2获取SparkContext对象,设置日志输出级别SparkContext sc = spark.sparkContext();sc.setLogLevel("WARN");// 3.加载数据文件Dataset<String> peopleDS = spark.read().textFile("D:\\02teach\\02resources\\0322\\04bigdata\\testdata\\people.txt");JavaRDD<String> stringJavaRDD = peopleDS.toJavaRDD();// 4.切分每一行数据,转换成 JavaRDD<People>对象JavaRDD<People> peopleJavaRDD = stringJavaRDD.map(line -> {String[] arr = line.split(" ");// 创建People对象People people = new People();people.setId(Integer.valueOf(arr[0]));people.setName(arr[1]);people.setAge(Integer.valueOf(arr[2]));return people;});// 5.调用createDataFrame转换Dataset<Row> peopleDF = spark.createDataFrame(peopleJavaRDD, People.class);// 6.通过DSL方式操作DataFrame==============================DSL// 显示schema信息peopleDF.printSchema();// 显示所有字段String[] columns = peopleDF.columns();System.out.println(Arrays.asList(columns));// 显示数据,默认显示20行peopleDF.show();// 显示第一行记录Row head = peopleDF.head();System.out.println(head);// 统计记录数量System.out.println(peopleDF.count());// 显示指定列的值peopleDF.select("id","name","age").show();// 分组统计操作peopleDF.groupBy("age").count().show();// 7.通过sql语句方式操作DataFrame===============================sqlSystem.out.println("通过sql语句方式操作DataFrame===============================sql");// 将DataFrame注册成表peopleDF.createOrReplaceTempView("t_people");// 显示表的schema信息spark.sql("desc t_people").show();// 查询全表数据Dataset<Row> allRow = spark.sql("select * from t_people");allRow.show();// 查询年龄大于等于30Dataset<Row> ageRow = spark.sql("select * from t_people where age>=30");ageRow.show();// 8.释放资源sc.stop();spark.stop();}
}
2.1.2.通过StructType定义schema方式
2.1.2.1.scala版本
package cn.liny.rdd.dfimport org.apache.spark.SparkContext
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}
import org.apache.spark.sql.{DataFrame, Row, SparkSession}/*** 学习通过StructType方式,把RDD转换成DataFrame(scala版本)*/
object RddToDFScalaByStructType {def main(args: Array[String]): Unit = {// 1.创建SparkSessionval spark: SparkSession = SparkSession.builder().appName("RddToDFScalaByStructType").master("local[2]").getOrCreate()// 2.通过SparkSession,获取SparkContextval sc: SparkContext = spark.sparkContextsc.setLogLevel("WARN")// 3.加载数据文件val peopleRDD: RDD[String] = sc.textFile("D:\\02teach\\02resources\\0322\\04bigdata\\testdata\\people.txt")// 4.切分每一行数据val splitRDD: RDD[Array[String]] = peopleRDD.map(x=>x.split(" "))// 5.加载数据到Row对象中val rowRDD: RDD[Row] = splitRDD.map(x=>Row(x(0).toInt,x(1),x(2).toInt))// 6.创建schemaval structType: StructType = (new StructType).add(StructField("id",IntegerType,false)).add(StructField("name",StringType,false)).add(StructField("age",IntegerType,false))// 7.利用RDD和schema创建DataFrameval rowDF: DataFrame = spark.createDataFrame(rowRDD,structType)// 8.通过DSL方式操作DataFrame==============================DSL// 显示schema信息rowDF.printSchema()// 显示数据,默认显示20行rowDF.show()// 9.通过sql语句方式操作DataFrame===============================sqlprintln("通过sql语句方式操作DataFrame===============================sql")// 将DataFrame注册为表rowDF.createOrReplaceTempView("t_people")// 显示表结构schema信息spark.sql("desc t_people").show()// 查询全部数据spark.sql("select * from t_people").show()// 10.释放资源sc.stop()spark.stop()}}
2.1.2.2.java版本
package cn.liny.jrdd.df;import org.apache.spark.SparkContext;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.RowFactory;
import org.apache.spark.sql.SparkSession;
import org.apache.spark.sql.types.DataTypes;
import org.apache.spark.sql.types.StructField;
import org.apache.spark.sql.types.StructType;import java.util.ArrayList;
import java.util.List;import static org.apache.spark.sql.types.DataTypes.IntegerType;
import static org.apache.spark.sql.types.DataTypes.StringType;/*** 学习通过StructType方式,把RDD转换成DataFrame(java版本)*/
public class RddToDFJavaByStructType {public static void main(String[] args) {// 1.创建SparkSessionSparkSession spark = SparkSession.builder().appName("RddToRDDJavaByStructType").master("local[2]").getOrCreate();// 2.通过SparkSession,获取SparkContextSparkContext sc = spark.sparkContext();sc.setLogLevel("WARN");// 3.加载数据文件,并且转换成JavaRDDDataset<String> stringDS = spark.read().textFile("D:\\02teach\\02resources\\0322\\04bigdata\\testdata\\people.txt");JavaRDD<String> stringJavaRDD = stringDS.toJavaRDD();// 4.切分每一行数据,加载数据到Row对象中JavaRDD<Row> rowJavaRDD = stringJavaRDD.map(line -> {String[] arr = line.split(" ");Integer id = Integer.valueOf(arr[0]);String name = arr[1];Integer age = Integer.valueOf(arr[2]);// 通过RowFactory工厂,创建Row对象return RowFactory.create(id, name, age);});// 5.通过StructType定义schemaList<StructField> fields = new ArrayList<StructField>();fields.add(DataTypes.createStructField("id",IntegerType,false));fields.add(DataTypes.createStructField("name",StringType,false));fields.add(DataTypes.createStructField("age",IntegerType,false));StructType structType = DataTypes.createStructType(fields);// 6.利用RDD和schema定义DataFrameDataset<Row> peopleDF = spark.createDataFrame(rowJavaRDD, structType);// 7.通过DSL方式操作DataFrame==============================DSL// 显示schema信息peopleDF.printSchema();// 显示数据,默认显示20行peopleDF.show();// 8.通过sql语句方式操作DataFrame===============================sqlSystem.out.println("通过sql语句方式操作DataFrame===============================sql");// 把DataFrame注册成表peopleDF.createOrReplaceTempView("t_people");// 显示表结构schema信息spark.sql("desc t_people").show();// 查询全部数据spark.sql("select * from t_people").show();// 9.释放资源sc.stop();spark.stop();}
}
2.2.编写spark sql程序操作HiveContext
HiveContext是对应spark-hive这个项目,与hive有部分耦合, 支持hql,是SqlContext的子类。
在spark2.0之后,HiveContext和SqlContext在SparkSession进行了统一,可以通过操作SparkSession来操作HiveContext和SqlContext。
2.2.1.导入依赖
<dependency><groupId>org.apache.spark</groupId><artifactId>spark-hive_2.11</artifactId><version>${spark.version}</version>
</dependency>
2.2.2.编写代码
package cn.liny.hiimport org.apache.spark.SparkContext
import org.apache.spark.sql.SparkSession/*** 学习spark sql操作hive*/
object SparkHiveSupport {def main(args: Array[String]): Unit = {// 1.创建SparkSession对象val spark = SparkSession.builder().appName("SparkHiveSupport").master("local[2]").config("spark.sql.warehouse.dir","D:\\02teach\\03tmp\\spark\\spark-warehouse").enableHiveSupport()// 开启支持hive.getOrCreate()// 2.通过SparkSession,获取SparkContext对象val sc: SparkContext = spark.sparkContextsc.setLogLevel("WARN")// 3.创建hive表spark.sql("CREATE TABLE IF NOT EXISTS student(id int, name string, age int) row format delimited fields terminated by ' '")// 4.导入数据到hive表spark.sql("LOAD DATA LOCAL INPATH 'D:/02teach/02resources/0322/04bigdata/testdata/people.txt' INTO TABLE student")// 5.执行sql查询spark.sql("select * from student ").show()// 6.释放资源sc.stop()spark.stop()}}
3.数据源
spark sql可以通过JDBC从关系型数据库中读取数据的方式创建DataFrame,通过对DataFrame一系列的计算后,再将数据写回关系型数据库中。
3.1.spark sql 从mysql数据库中加载数据
3.1.1.编写代码操作
3.1.1.1.导入依赖
<mysql.version>5.1.38</mysql.version><!--依赖mysql-->
<dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><version>${mysql.version}</version>
</dependency>
3.1.1.2.编写代码
scala版本:
package cn.liny.dbimport java.util.Propertiesimport org.apache.spark.sql.{DataFrame, SparkSession}/*** 学习spark sql从mysql加载数据*/
object DataFromMysql {def main(args: Array[String]): Unit = {// 1.创建SparkSession对象val spark: SparkSession = SparkSession.builder().appName("DataFromMysql").master("local[2]").getOrCreate()// 2.创建Properties对象,设置连接mysql的用户名和密码val prop: Properties =new Properties()prop.setProperty("user","root")prop.setProperty("password","admin")// 3.读取mysql中的数据val iplocationDF: DataFrame = spark.read.jdbc("jdbc:mysql://127.0.0.1:3308/spark","iplocation",prop)// 4.显示mysql中表的数据iplocationDF.show()// 5.释放资源spark.stop()}}
java版本:
package cn.liny.jrdd.db;import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;import java.util.Properties;/*** 学习spark sql从mysql加载数据(java版本)*/
public class DataFromMysqlForJava {public static void main(String[] args) {// 1.创建SparkSession对象SparkSession spark = SparkSession.builder().appName("DataFromMysql").master("local[2]").getOrCreate();//2.创建Properties对象,设置连接mysql的用户名和密码Properties prop = new Properties();prop.setProperty("user","root");prop.setProperty("password","admin");// 3.读取mysql中的数据Dataset<Row> iplocation = spark.read().jdbc("jdbc:mysql://127.0.0.1:3308/spark", "iplocation", prop);// 4.显示数据iplocation.show();// 5.释放资源spark.stop();}
}
3.1.2.通过spark-shell 操作
3.1.2.1.启动spark-shell,需要指定mysql驱动包
spark-shell \
--master spark://node01:7077 \
--executor-memory 1g \
--total-executor-cores 2 \
--jars /export/servers/testjar/mysql-connector-java-5.1.32-bin.jar \
--driver-class-path /export/servers/testjar/mysql-connector-java-5.1.32-bin.jar
3.1.2.2.从mysql中加载数据
val mysqlDF = spark.read.format("jdbc").options(Map("url" -> "jdbc:mysql://192.168.53.120:3306/mysql", "driver" -> "com.mysql.jdbc.Driver", "dbtable" -> "iplocation", "user" -> "root", "password" -> "123456")).load()mysqlDF.show
3.2.spark sql将数据写入到mysql数据库中
3.2.1.本地模式运行
package cn.liny.dbimport java.util.Propertiesimport org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}/*** 学习spark sql将数据写入mysql*/// 定义样例类
case class Teacher(id:Int,name:String,age:Int)object DataToMysql {def main(args: Array[String]): Unit = {// 1.创建SparkSession对象val spark: SparkSession = SparkSession.builder().appName("DataToMysql").master("local[2]").getOrCreate()// 2.读取数据val data: RDD[String] = spark.sparkContext.textFile(args(0))// 3.切分每一行val arrRDD: RDD[Array[String]] = data.map(_.split(" "))// 4.RDD关联样例类val teacherRDD: RDD[Teacher] = arrRDD.map(x=>Teacher(x(0).toInt,x(1),x(2).toInt))// 5.导入隐式转换import spark.implicits._// 6.将RDD转换成DataFrameval teacherDF: DataFrame = teacherRDD.toDF()// 7.将DataFrame注册成表teacherDF.createOrReplaceTempView("teacher")// 8.操作teacher表 ,按照年龄进行降序排列val resultDF: DataFrame = spark.sql("select * from teacher order by age desc")// resultDF.show()// 9.把结果保存在mysql表中// 9.1.创建Properties对象,设置连接mysql的用户名和密码val prop: Properties =new Properties()prop.setProperty("user","root")prop.setProperty("password","admin")// 9.2.操作数据库表/*** 写入mysql时,可以配置插入mode,overwrite覆盖,append追加,ignore忽略,error默认表存在报错*/resultDF.write.mode(SaveMode.Overwrite).jdbc("jdbc:mysql://127.0.0.1:3308/spark","teacher",prop)// 释放资源spark.stop()}}
3.2.2.打包提交到集群环境运行
3.2.2.1.改造代码
package cn.liny.dbimport java.util.Propertiesimport org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}/*** 学习spark sql将数据写入mysql(提交集群环境运行)*/// 定义样例类
case class TeacherMaster(id:Int,name:String,age:Int)object DataToMysqlForMaster {def main(args: Array[String]): Unit = {// 1.创建SparkSession对象val spark: SparkSession = SparkSession.builder().appName("DataToMysqlForMaster").getOrCreate()// 2.读取数据val data: RDD[String] = spark.sparkContext.textFile(args(0))// 3.切分每一行val arrRDD: RDD[Array[String]] = data.map(_.split(" "))// 4.RDD关联样例类val teacherRDD: RDD[TeacherMaster] = arrRDD.map(x=>TeacherMaster(x(0).toInt,x(1),x(2).toInt))// 5.导入隐式转换import spark.implicits._// 6.将RDD转换成DataFrameval teacherDF: DataFrame = teacherRDD.toDF()// 7.将DataFrame注册成表teacherDF.createOrReplaceTempView("teacher")// 8.操作teacher表 ,按照年龄进行降序排列val resultDF: DataFrame = spark.sql("select * from teacher order by age desc")// resultDF.show()// 9.把结果保存在mysql表中// 9.1.创建Properties对象,设置连接mysql的用户名和密码val prop: Properties =new Properties()prop.setProperty("user","root")prop.setProperty("password","bigdata")// 9.2.操作数据库表/*** 写入mysql时,可以配置插入mode,overwrite覆盖,append追加,ignore忽略,error默认表存在报错*/resultDF.write.mode(SaveMode.Overwrite).jdbc("jdbc:mysql://192.168.80.22:3306/spark","teacher",prop)// 释放资源spark.stop()}}
3.2.2.2.打包
3.2.2.3.提交集群运行
#将文件上传到hdfs
hdfs dfs -mkdir -p /spark/sql/inputhdfs dfs -put people.txt /spark/sql/input#提交执行任务
spark-submit \
--class cn.liny.db.DataToMysqlForMaster \
--master spark://node01:7077 \
--executor-memory 1g \
--total-executor-cores 2 \
--jars /export/servers/testjar/mysql-connector-java-5.1.32-bin.jar \
--driver-class-path /export/servers/testjar/mysql-connector-java-5.1.32-bin.jar \
/export/servers/testjar/spark_sql-1.0-SNAPSHOT.jar \
hdfs://192.168.53.100:8020/spark/sql/input/people.txt
06-SparkSQL相关推荐
- sparkcore分区_Spark学习:Spark源码和调优简介 Spark Core (二)
本文基于 Spark 2.4.4 版本的源码,试图分析其 Core 模块的部分实现原理,其中如有错误,请指正.为了简化论述,将部分细节放到了源码中作为注释,因此正文中是主要内容. 第一部分内容见: S ...
- Spark源码和调优简介 Spark Core
作者:calvinrzluo,腾讯 IEG 后台开发工程师 本文基于 Spark 2.4.4 版本的源码,试图分析其 Core 模块的部分实现原理,其中如有错误,请指正.为了简化论述,将部分细节放到了 ...
- hive sql练习_经典的SparkSQL/Hive-SQL/MySQL面试-练习题
经典的SparkSQL/Hive-SQL/MySQL面试-练习题mp.weixin.qq.com 第一题 需求: 已知一个表order,有如下字段:date_time,order_id,user_i ...
- Spark SQL 快速入门系列(五)SparkSQL 访问 Hive
文章目录 访问 Hive SparkSQL 整合 Hive 访问 Hive 表 idea实现SparkSQL连接hive 访问 Hive 导读 1,整合 SparkSQL 和 Hive, 使用 Hiv ...
- 大数据技术之SparkSQL(超级详细)
第1章 Spark SQL概述 1.1什么是Spark SQL Spark SQL是Spark用来处理结构化数据的一个模块,它提供了2个编程抽象:DataFrame和DataSet,并且作为分布式SQ ...
- SparkSQL实战之Youtube数据集
1 Spark和hive整合 这里就不介绍如何整合 2 实战需求 这里使用的数据集跟Hive实战之Youtube数据集中所使用的是一致的 1)统计出观看数最多的10个视频 2)统计出视频类别热度的前1 ...
- 2021年大数据Spark(二十九):SparkSQL案例四开窗函数
目录 案例四:开窗函数 概述 介绍 聚合函数和开窗函数 开窗函数分类 聚合开窗函数 排序开窗函数 ROW_NUMBER顺序排序 RANK跳跃排序 DENSE ...
- 2021年大数据Spark(三十三):SparkSQL分布式SQL引擎
目录 分布式SQL引擎 Hive的SQL交互方式 ThriftServer JDBC/ODBC Server 开启sparksql的thriftserver 使用beeline 客户端连接 JDBC/ ...
- 2021年大数据Spark(三十二):SparkSQL的External DataSource
目录 External DataSource 数据源与格式 text 数据 json 数据 csv 数据 parquet 数据 jdbc 数据 加载/保存数据-API ...
- 2021年大数据Spark(二十八):SparkSQL案例三电影评分数据分析
目录 案例三:电影评分数据分析 代码实现 Shuffle分区数 案例三:电影评分数据分析 使用电影评分数据进行数据分析,分别使用DSL编程和SQL编程,熟悉数据处理函数及SQL使用,业务需求说明: 对 ...
最新文章
- Nacos源码DistroConsistencyServiceImpl
- Android N 新特性 + APP开发注意事项
- 策略模式+工厂模式(反射)+枚举代替 大量 if..else if..
- python增删改查csv文件_Python增删改查文件
- TensorFlow 之快速上手详解
- Shell命令-系统信息及显示之dmesg、uptime
- 利用容器来拆分字符串
- xy的跨浏览器在线编辑器超级简易版
- java肝癌晚期_生信分析43.肿瘤浸润免疫与肝癌(HCCDB+oncomine)
- java8 meta区_JVM-Java8的MetaSpace
- AI时代,运维和测试岗位如何开启第二春?
- 几款开源的Windows界面库
- 计算机网络规划与设计
- 利用pyecharts绘制雷达图的案例(含参数解释)
- C或C++报错:ld returned 1 exit status报错的原因
- 关闭CentOS蜂鸣器警报声音
- SAP 自动记账 零星记录
- 【苦练基本功】代码整洁之道 pt1(第1章-第3章)
- 支付宝花呗额度一直不涨?阿里老员工说出原因,亲测有效
- 自由截图、提取、翻译图中文字——搜狗浏览器之截图扩展
热门文章
- linux 杂项设备,浅谈 MISC杂项设备
- C++ Qt 05:Qt布局管理器 - 荒 木 - 博客园
- ps裁剪和裁切的区别_PS详细工具讲解剪切,裁剪的区别
- man page 中代号的意思
- STM32: startup_**.s、Core_cm3.c、宏定义、HAL库
- 大象知道“故事怎么讲”
- 转torchscript报错:Expected a value of type ‘Tensor (inferred)‘ for argument ‘scale‘ but instead found t
- 异构计算-1-10x10:一种异质性和提高能量效率的通用架构方法
- Python爬虫:爬取喜马拉雅音频数据详解
- 删除linux系统 mbr,Windows 10 下安全删除 Linux 系统