SparkSQL学习03-数据读取与存储




import org.apache.spark.sql.SparkSession
 
// 创建SparkSession
val spark = SparkSession.builder()
  .appName("Spark SQL Data Sources")
  .config("spark.some.config.option", "some-value")
  .getOrCreate()
 
// 引入隐式转换
import spark.implicits._
 
// 创建DataFrame
val dataFrame = Seq(
  (1, "John Doe", "M", 21),
  (2, "Jane Doe", "F", 19)
).toDF("id", "name", "gender", "age")
 
// 展示DataFrame内容
dataFrame.show()
 
// 将DataFrame注册为临时表
dataFrame.createOrReplaceTempView("people")
 
// 执行SQL查询
val sqlDF = spark.sql("SELECT * FROM people WHERE age >= 21")
sqlDF.show()
 
// 保存DataFrame到文件系统
dataFrame.write.format("csv").option("header", "true").save("data_csv")
 
// 读取文件系统中的数据创建DataFrame
val readDF = spark.read.format("csv").option("header", "true").load("data_csv")
readDF.show()
 
// 停止SparkSession
spark.stop()

这段代码首先创建了一个SparkSession,并引入了隐式转换,以便能够将RDD转换为DataFrame和DataSet。然后,它创建了一个包含两个记录的DataFrame,并展示了其内容。接着,它将DataFrame注册为临时表,并执行了一个SQL查询,然后将结果保存到文件系统中,并从文件系统读取数据重新创建了一个DataFrame。最后,它停止了SparkSession。这个过程展示了如何在Spark SQL中进行数据的读取、处理和保存。

最后修改于:2024年08月07日 16:51

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日