待处理文件

准备待处理文件student.data，内容如下：

1|vincent|13827460000|gvark@eyou.com
2|jenny|13827460002|ovwgofpa@56.com
3|sofia|13827460003|jfbmgpm@netease.com
4|natasha|13827460004|vjtw@35.com
5|catalina|13827460005|bpnoc@qq.com
6|jax|13827460006|rfieancklpvq@yahoo.com.cn
7|missfortune|13827460007|crwglpmmwsv@qq.com
8|anny|13827460008|nmbigtektdbow@qq.com
9|jinx|13827460009|jqu@xinhuanet
10|ezrio|13827460010|wvvoio@netease.com
11|lucas|13827460011|fgn@email.com.cn
12||13827460012|klukgp@yahoo.com.cn
13|NULL|13827460013|pgovoloacfuoed@etang.com

特别注意最后第二个字段有特点。

代码实现

首先测试分隔符：

package cn.ac.iie.sparkimport org.apache.spark.sql.SparkSession/*** DataFrame中的操作*/
object DataFrameCase {def main(args: Array[String]): Unit = {val DataFrameCase = SparkSession.builder().appName("DataFrameCase").master("local[2]").getOrCreate()val rdd = DataFrameCase.sparkContext.textFile("file:///E:/test/student.data")// 注意需要导入隐式转换import DataFrameCase.implicits._val studenntDF = rdd.map(_.split("\\")).map(line => Student(line(0).toInt, line(1), line(2), line(3))).toDF()studenntDF.show()DataFrameCase.close()}case class Student(id: Int, name: String, phone: String, email: String)
}

输出如下：

注意分隔符应该使用转义字符进行转移，否则出现下面的情况，就不是我们所期望的了：

同时可以看到，当邮箱长度过长时，会出现...的情况。
可以使用show(20, false)重载方法（第一个参数表示显示多少行，第二个方式表示是否截取），来解决这个问题。

studenntDF.select("email").show：只显示email数据
studenntDF.filter("name='' OR name='NULL'").show(false)：只显示name为空或者NULL的数据
studenntDF.filter("SUBSTR(name,0,1)='v'").show(false)：显示name第一个字符为v的数据。SUBSTR与SUBSTRING等价。
studenntDF.sort(studenntDF.col("name")).show()：按照name进行字母顺序排序
studenntDF.sort(studenntDF.col("name").desc).show()：按照name进行降序排序
studenntDF.sort(studenntDF.col("name").desc, studenntDF.col("email")).show()：按照name进行降序，email进行升序
studenntDF.join(studenntDF2, studenntDF.col("id") === studenntDF2.col("id"), "inner").show()：进行join操作，默认是内连接。

SparkSQL之DataFrame案例相关推荐

SparkSQL中UDAF案例分析
SparkSQL中UDAF案例分析 1.统计单词的个数 package com.bynear.spark_sql; import org.apache.spark.sql.Row; import or ...
PySpark | SparkSQL入门 | DataFrame入门
文章目录一.快速入门 1. 什么是SparkSQL 2. 为什么要学习SparkSQL 3. SparkSQL特点二.SparkSQL概述 1. SparkSQL和Hive的异同 2. Spark ...
SparkSql之电影案例SQL编写
SparkSql之电影案例SQL编写需求1:查找电影评分个数超过50,且平均评分较高的前十部电影名称及其对应的平均评分,结果以下面字段结构输出,保存成任意文本格式(txt\csv)或者存储到数据库. ...
史上最简单的spark教程第十三章-SparkSQL编程Java案例实践(终章)
Spark-SQL的Java实践案例(五) 本章核心:JDBC 连接外部数据库,sparkSQL优化,故障监测史上最简单的spark教程所有代码示例地址:https://github.com/My ...
SparkSql之DataFrame操作
Spark SQL中的DataFrame类似于一张关系型数据表.在关系型数据库中对单表或进行的查询操作,在DataFrame中都可以通过调用其API接口来实现.可以参考,Scala提供的DataFra ...
SparkSQL之DataFrame 编程(创建DataFrame ,DataFrame数据运算操作 ,输出存储DataFrame)(11)
一新的编程入口 SparkSession SparkSession 是 Spark 最新的 SQL 查询起始点 ,实质上是 SQLcontext 和 SparkContext 的组合 ,所以在 S ...
SparkSQL之DataFrame API
测试文件测试文件employees.json,内容如下: {"name":"Michael", "salary":3000, " ...
sparksql：dataframe数据写入到Hbase中
一.步骤:在idea中编程 1.1 添加依赖 <?xml version="1.0" encoding="UTF-8"?> <project ...
35、sparkSQL及DataFrame
一.saprkSQL背景 Spark 1.0版本开始,推出了Spark SQL.其实最早使用的,都是Hadoop自己的Hive查询引擎:但是后来Spark提供了Shark:再后来Shark被淘汰,推出 ...

SparkSQL之DataFrame案例

待处理文件

代码实现

SparkSQL之DataFrame案例相关推荐

最新文章

热门文章