SQL方式
需要将DataFrame注册成为一张临时表，并给临时表起名字，通过SQL语句查询分析DataFrame中数据
- 局部临时表、全局临时表
[注意]：
--1 如果我们注册的是全局表，查询全局表的时候，必须在表名前加上一个数据库的名字global_temp
val frame = session.sql("select sex, count(*) as num from global_temp.student group by sex")
--2 每次SQL操作完成都会返回一个新的DataFrame，这个DataFrame中就是我们处理分析完成的数据
--3 如果我们DataFrame是从Hive中读取的数据，也可以使用这种方式去操作 - 区别
| 局部临时表 | 全局临时表 | |
|---|---|---|
| 方法字段 | createTempViewdataFrame.createTempView("student") |
createOrReplaceGlobalTempViewdataFrame.createOrReplaceGlobalTempView("student") |
| 作用域 | 作用于某个Spark应用程序的所有SparkSession会话 | 作用于某个特定的SparkSession会话如果同一个应用中不同的session需要重用一个临时表，那么不妨将该临时表注册为全局临时表，可以避免多余的IO，提高系统的执行效率，但是如果只是在某个session中使用，只需要注册局部临时表，可以避免不必要的内存占用 |
| 使用场景 | 局部临时表是和SparkSession挂钩的，SparkSession一旦停止，临时表就无法使用了 | 全局临时表是和Spark Application(SparkContext)挂钩的，只有当Spark应用程序停止了，全局表才无法访问 |
DSL方式
- 展示dataFrame的结构
dataFrame.printSchema() - 数据展示
println("-----------------------数据展示1开始-------------------------")
dataFrame.show()
println("-----------------------数据展示1结束-------------------------")
println("-----------------------数据展示2开始-------------------------")
val dataFrame1 = dataFrame.groupBy("sex").agg(Map("sex" -> "count")).select("*")
dataFrame1.show()
println("-----------------------数据展示2结束-------------------------")
println("-----------------------数据展示3开始-------------------------")
val dataFrame2 = dataFrame.groupBy("name", "age", "sex").agg(Map("age" -> "max", "age" -> "min", "age" -> "avg", "*" -> "count")).select("*")
dataFrame2.show()
println("-----------------------数据展示3结束-------------------------")
- 完整代码
package SparkSQL.DataFreamCreate.optdataframe
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, SparkSession}
import scala.beans.BeanProperty
object DSLOper {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("dataFrameCreate").setMaster("local[*]")
val sparkSession = SparkSession.builder().config(conf).getOrCreate()
val seq:Seq[Student] = Array(Student("zs",20,"男"),Student("ls",21,"女"),Student("ww",22,"男"))
val rdd:RDD[Student] = sparkSession.sparkContext.makeRDD(seq)
val dataFrame:DataFrame = sparkSession.createDataFrame(rdd,classOf[Student])
println("-----------------------展示结构开始-------------------------")
dataFrame.printSchema()
println("-----------------------展示结构结束-------------------------")
println("-----------------------数据展示1开始-------------------------")
dataFrame.show()
println("-----------------------数据展示1结束-------------------------")
println("-----------------------数据展示2开始-------------------------")
val dataFrame1 = dataFrame.groupBy("sex").agg(Map("sex" -> "count")).select("*")
dataFrame1.show()
println("-----------------------数据展示2结束-------------------------")
println("-----------------------数据展示3开始-------------------------")
val dataFrame2 = dataFrame.groupBy("name", "age", "sex").agg(Map("age" -> "max", "age" -> "min", "age" -> "avg", "*" -> "count")).select("*")
dataFrame2.show()
println("-----------------------数据展示3结束-------------------------")
// session.sparkContext.makeRDD(dataFrame)
}
}
case class Student(@BeanProperty var name:String,@BeanProperty var age:Int,@BeanProperty var sex:String)