SparkSql

• Spark 引入SparkSql模块，目的是处理结构化数据；
• 该模块添加了新的RDD类型SchemaRDD，SparkSql将SchemaRDD封装成一个DataFrame对象，

DataFrame对象类似于关系数据库中的二维表；

它只提供读操作，不能添加或修改和删除数据。

• SparkSql中的数据基于列存储，每一列数据类型都是同质的，可以避免数据在内存中类型的频繁转换；
• 使用SparkSql模块之前，首先把RDD对象转换成DataFrame对象

再使用SQL语言操作DataFrame对象，

或者使用DataFrame的成员方法操作DataFrame对象

如何将RDD对象转化为DataFrame对象

• RDD对象实例的toDF方法

RDD对象实例的toDF方法，可以将一个RDD对象转化为DataFrame对象。RDD对象数据集可以从本地磁盘文件获取，也可以从HDFS获取，或者从Array、List获取

注：

此处用到了SparkSql的隐式转换

import sqc.implicits._

res33.toDF("id","name")

若隐式转换不起作用，可以采用

 

• JSON格式文件直接转化为DF对象

Spark3.0版本的SparkSql模块的入口点是SparkSession对象，首先需要创建一个SparkSession对象

 

下面用API方式把JSON文件转化为DF对象，可以直接复制到Shell窗口执行

 

• 数据库中二维表格直接转化为DF对象

如何在Spark2版本转化DataFrame对象