一, 实验目的
(1) 通过实验掌握 Spark SQL 的基本编程方法;
(2) 熟悉 RDD 到 DataFrame 的转化方法;
(3) 熟悉利用 Spark SQL 管理来自不同数据源的数据.
二, 实验平台
操作系统: Ubuntu16.04
Spark 版本: 2.1.0
数据库: MySQL
三, 实验内容和要求
1.Spark SQL 基本操作
将下列 JSON 格式数据复制到 Linux 系统中, 并保存命名为 employee.JSON.
- {
- "id":1 , "name":"Ella" , "age":36
- }
- {
- "id":2, "name":"Bob","age":29
- }
- {
- "id":3 , "name":"Jack","age":29
- }
- {
- "id":4 , "name":"Jim","age":28
- }
- {
- "id":4 , "name":"Jim","age":28
- }
- {
- "id":5 , "name":"Damon"
- }
- {
- "id":5 , "name":"Damon"
- }
为 employee.JSON 创建 DataFrame, 并写出 Scala 语句完成下列操作:
(1) 查询所有数据;
主讲教师: 林子雨 http://www.cs.xmu.edu.cn/linziyu 第 1 页厦门大学林子雨, 赖永炫, 陶继平 编著《Spark 编程基础 (Scala 版)》 教材配套机房上机实验指南
实验 5 Spark SQL 编程初级实践
主讲教师: 林子雨 http://www.cs.xmu.edu.cn/linziyu 第 2 页
(2) 查询所有数据, 并去除重复的数据;
(3) 查询所有数据, 打印时去除 id 字段;
(4) 筛选出 age>30 的记录;
(5) 将数据按 age 分组;
(6) 将数据按 name 升序排列;
(7) 取出前 3 行数据;
(8) 查询所有记录的 name 列, 并为其取别名为 username;
(9) 查询年龄 age 的平均值;
(10) 查询年龄 age 的最小值.
2.编程实现将 RDD 转换为 DataFrame
源文件内容如下 (包含 id,name,age):
- ,Ella,36
- ,Bob,29
- ,Jack,29
请将数据复制保存到 Linux 系统中, 命名为 employee.txt, 实现从 RDD 转换得到
DataFrame, 并按 "id:1,name:Ella,age:36" 的格式打印出 DataFrame 的所有数据. 请写出程序代
码.
3. 编程实现利用 DataFrame 读写 MySQL 的数据
(1) 在 MySQL 数据库中新建数据库 sparktest, 再创建表 employee, 包含如表 6-2 所示的
两行数据.
表 6-2 employee 表原有数据
- id
- name
- gender
- Age
- 1
- Alice
- F
- 22
- 2
- John
- M
- 25
(2) 配置 Spark 通过 JDBC 连接数据库 MySQL, 编程实现利用 DataFrame 插入如表 6-3 所
示的两行数据到 MySQL 中, 最后打印出 age 的最大值和 age 的总和.
表 6-3 employee 表新增数据
- id
- name
- gender
- age
- 3
- Mary
- F
- 26
- 4
- Tom
- M
- 23
来源: http://www.bubuko.com/infodetail-3395512.html