目錄

前言：

本文主要介紹下SparkSQL以及SparkSQL的簡單使用。這里只是做了一個非常簡單的介紹，后續工作中如果有用到相關的知識，我會再總結。

1、Spark SQL

1.1、Spark SQL概述

1.1.1、什么是Spark SQL
Spark SQL是Spark用來處理結構化數據的一個模塊，它提供了一個編程抽象叫做DataFrame并且作為分布式SQL查詢引擎的作用。

1.1.2、為什么要學習Spark SQL
我們已經學習了Hive，它是將Hive SQL轉換成MapReduce然后提交到集群上執行，大大簡化了編寫MapReduce的程序的復雜性，由于MapReduce這種計算模型執行效率比較慢。所有Spark SQL的應運而生，它是將Spark SQL轉換成RDD，然后提交到集群執行，執行效率非常快！
1.易整合

2.統一的數據訪問方式

3.兼容Hive

4.標準的數據連接

1.2、DataFrames

1.2.1、什么是DataFrames
與RDD類似，DataFrame也是一個分布式數據容器。然而DataFrame更像傳統數據庫的二維表格，除了數據以外，還記錄數據的結構信息，即schema。同時，與Hive類似，DataFrame也支持嵌套數據類型（struct、array和map）。從API易用性的角度上 看，DataFrame API提供的是一套高層的關系操作，比函數式的RDD API要更加友好，門檻更低。由于與R和Pandas的DataFrame類似，Spark DataFrame很好地繼承了傳統單機數據分析的開發體驗。

1.2.2、創建DataFrames
在Spark SQL中SQLContext是創建DataFrames和執行SQL的入口，在spark-1.5.2中已經內置了一個sqlContext。

1.在本地創建一個文件，有三列，分別是id、name、age，用空格分隔，然后上傳到hdfs上

hdfs dfs -put person.txt /

2.在spark shell執行下面命令，讀取數據，將每一行的數據使用列分隔符分割

val lineRDD=sc.textFile("hdfs://node1.itcast.cn:9000/person.txt").map(_.split(" "))

3.定義case class（相當于表的schema）

case class Person(id:Int, name:String, age:Int)

4.將RDD和case class關聯

val personRDD = lineRDD.map(x => Person(x(0).toInt, x(1), x(2).toInt))

5.將RDD轉換成DataFrame

val personDF = personRDD.toDF

6.對DataFrame進行處理

personDF.show

1.3、DataFrame常用操作

1.3.1、DSL風格語法

//查看DataFrame中的內容
personDF.show//查看DataFrame部分列中的內容
personDF.select(personDF.col("name")).show
personDF.select(col("name"), col("age")).show
personDF.select("name").show//打印DataFrame的Schema信息
personDF.printSchema

//查詢所有的name和age，并將age+1
personDF.select(col("id"), col("name"), col("age") + 1).show
personDF.select(personDF("id"), personDF("name"), personDF("age") + 1).show

//過濾age大于等于18的
personDF.filter(col("age") >= 18).show

//按年齡進行分組并統計相同年齡的人數
personDF.groupBy("age").count().show()

1.3.2、SQL風格語法
如果想使用SQL風格的語法，需要將DataFrame注冊成表

personDF.registerTempTable("t_person")

//查詢年齡最大的前兩名
sqlContext.sql("select * from t_person order by age desc limit 2").show

//顯示表的Schema信息
sqlContext.sql("desc t_person").show

總結：

對于SparkSQL來說，目前博主也只是做了一個簡單的了解。希望各位通過該文章能學到以下幾點：
1、知道SparkSQL內部是將對應的SQL轉換為RDD來處理的。
2、知道SparkSQL是什么以及有什么優缺點。
3、最重要的一點是知道SparkSQL一些常用的操作。