Apache Spark 2一些使用案例

栏目: 编程工具 · 发布时间: 5年前

内容简介:1. registerTempTable 与createOrReplaceTempView以下面数据JSON为案例people.json:输入:

1. registerTempTable 与createOrReplaceTempView

以下面数据JSON为案例people.json:

{
    <font>"name"</font><font>: </font><font>"John"</font><font>, 
    </font><font>"age"</font><font>: </font><font>"28"</font><font>, 
    </font><font>"country"</font><font>: 
    </font><font>"UK"</font><font>
}
{
    </font><font>"name"</font><font>: </font><font>"Cathy"</font><font>, 
    </font><font>"age"</font><font>: </font><font>"30"</font><font>, 
    </font><font>"country"</font><font>: </font><font>"AUS"</font><font>
}
{
    </font><font>"name"</font><font>: </font><font>"Mark"</font><font>, 
    </font><font>"age"</font><font>: </font><font>"50"</font><font>, 
    </font><font>"country"</font><font>: </font><font>"USA"</font><font>
}
</font>

输入:

%spark2

val peopleJsonDF = sqlContext.read.format(<font>"json"</font><font>).load(</font><font>"/tests/people.json"</font><font>);

peopleJsonDF.createOrReplaceTempView(</font><font>"jsonPeople"</font><font>);

sqlContext.sql(</font><font>"select * from jsonPeople where age > 30"</font><font>).show();
</font>

Zeppelin output:

peopleJsonDF: org.apache.spark.sql.DataFrame = [age: string, country: string ... 1 more field]
+---+-------+----+
|age|country|name|
+---+-------+----+
| 50|    USA|Mark|
+---+-------+----+

结果:registerTempTable是Sparn 1.x语法,createOrReplaceTempView是Spark 2.x语法。两者都做同样的事情。

2. Apache Spark 2中的Spark-csv

任务:从JSON文件中获取数据,进行一些 排序 并将结果保存为CSV文件。Apache Spark 2在这里非常方便!

%spark2

val peopleJsonDF = sqlContext.read.option(<font>"multiline"</font><font>, <b>true</b>).format(</font><font>"json"</font><font>).load(</font><font>"/tests/people.json"</font><font>);

peopleJsonDF.createOrReplaceTempView(</font><font>"jsonPeople"</font><font>);

val orderedJsonDF = sqlContext.sql(</font><font>" select * from jsonPeople ORDER BY age DESC "</font><font>);

orderedJsonDF.show();

orderedJsonDF.write.mode(</font><font>"overwrite"</font><font>).option(</font><font>"sep"</font><font>, </font><font>"|"</font><font>).option(</font><font>"header"</font><font>, <b>true</b>).format(</font><font>"csv"</font><font>).save(</font><font>"/tests/csvresult"</font><font>);
</font>

Zeppelin output:

peopleJsonDF: org.apache.spark.sql.DataFrame = [age: string, country: string ... 1 more field]
orderedJsonDF: org.apache.spark.sql.DataFrame = [age: string, country: string ... 1 more field]
+---+-------+-----+
|age|country| name|
+---+-------+-----+
| 50|    USA| Mark|
| 30|    AUS|Cathy|
| 28|     UK| John|
+---+-------+-----+

HDFS output:

[root@sandbox ~]# hdfs dfs -ls /tests/csvresult
Found 5 items
-rw-r--r--   1 zeppelin hdfs          0 2018-09-04 17:14 /tests/csvresult/_SUCCESS
-rw-r--r--   1 zeppelin hdfs         29 2018-09-04 17:14 /tests/csvresult/part-00000-4f4204f7-636b-4f7c-a8b7-a9a8a4c395cf.csv
-rw-r--r--   1 zeppelin hdfs         30 2018-09-04 17:14 /tests/csvresult/part-00001-4f4204f7-636b-4f7c-a8b7-a9a8a4c395cf.csv
-rw-r--r--   1 zeppelin hdfs         28 2018-09-04 17:14 /tests/csvresult/part-00002-4f4204f7-636b-4f7c-a8b7-a9a8a4c395cf.csv
-rw-r--r--   1 zeppelin hdfs          0 2018-09-04 17:14 /tests/csvresult/part-00003-4f4204f7-636b-4f7c-a8b7-a9a8a4c395cf.csv

3.从CSV中推断模式并将结果保存到ORC中并通过Hive将其恢复

让我们将之前的结果'/ tests / csvresult'作为此任务的输入。

%spark2

<b>import</b> org.apache.spark.sql.hive.HiveContext;
<b>import</b> org.apache.spark.sql.types._;

<b>var</b> hiveContext = <b>new</b> HiveContext(sc);

<b>var</b> csvDF = sqlContext.read
            .option(<font>"header"</font><font>, <b>true</b>)
            .option(</font><font>"sep"</font><font>, </font><font>"|"</font><font>)
            .option(</font><font>"inferSchema"</font><font>, <b>true</b>)
            .format(</font><font>"csv"</font><font>).load(</font><font>"/tests/csvresult"</font><font>);

csvDF.createOrReplaceTempView(</font><font>"csvTable"</font><font>);


<b>var</b> sortedDF = sqlContext.sql(</font><font>"select age,country,name from csvTable order by age desc"</font><font>);

sortedDF.write.mode(</font><font>"overwrite"</font><font>).format(</font><font>"orc"</font><font>).save(</font><font>"/tests/orcresult"</font><font>);

hiveContext.sql(</font><font>" DROP TABLE IF EXISTS people "</font><font>);
hiveContext.sql(</font><font>"CREATE EXTERNAL TABLE people (age INT, country String, name String) "</font><font>+
                        </font><font>" STORED AS ORC "</font><font>+
                        </font><font>" LOCATION '/tests/orcresult'"</font><font>
);

hiveContext.sql(</font><font>"select * from people"</font><font>).show();
</font>

Zeppelin output:

<b>import</b> org.apache.spark.sql.hive.HiveContext
<b>import</b> org.apache.spark.sql.types._
warning: there was one deprecation warning; re-run with -deprecation <b>for</b> details
hiveContext: org.apache.spark.sql.hive.HiveContext = org.apache.spark.sql.hive.HiveContext@4fc938b8
csvDF: org.apache.spark.sql.DataFrame = [age: <b>int</b>, country: string ... 1 more field]
sortedDF: org.apache.spark.sql.DataFrame = [age: <b>int</b>, country: string ... 1 more field]
res135: org.apache.spark.sql.DataFrame = []
res136: org.apache.spark.sql.DataFrame = []

+---+-------+-----+
|age|country| name|
+---+-------+-----+
| 50|    USA| Mark|
| 30|    AUS|Cathy|
| 28|     UK| John|
+---+-------+-----+

4.删除格式错误的记录

假设有文件malformed.csv:

50|USA|Mark
30|AUS|Cathy
28|UK

并且任务是删除格式错误的记录并创建新的DF:

%spark2

val schema = StructType(Array(
  StructField(<font>"age"</font><font>, IntegerType, false),
  StructField(</font><font>"country"</font><font>, StringType, false),
  StructField(</font><font>"name"</font><font>, StringType, false)
));

val malformedDF = sqlContext.read.format(</font><font>"csv"</font><font>)
                        .schema(schema)
                        .option(</font><font>"mode"</font><font>, </font><font>"DROPMALFORMED"</font><font>)
                        .option(</font><font>"header"</font><font>, false)
                        .option(</font><font>"sep"</font><font>, </font><font>"|"</font><font>)
                        .load(</font><font>"/tests/malformed.csv"</font><font>);

malformedDF.show();
</font>

Zeppelin output:

schema: org.apache.spark.sql.types.StructType = StructType(StructField(age,IntegerType,false), StructField(country,StringType,false), StructField(name,StringType,false))
malformedDF: org.apache.spark.sql.DataFrame = [age: <b>int</b>, country: string ... 1 more field]
+---+-------+-----+
|age|country| name|
+---+-------+-----+
| 50|    USA| Mark|
| 30|    AUS|Cathy|
+---+-------+-----+

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

社交天性

社交天性

[美] 马修·利伯曼(Matthew D. Lieberman) / 贾拥民 / 浙江人民出版社 / 2016-6 / 69.90

[内容简介] ● 《社交天性》是社会心理学家马修·利伯曼解读人类“社会脑”的权威之作,它告诉我们为什么在充满合作与竞争的智慧社会中人们喜爱社交又相互连接,个人的社会影响力如何得以发挥,书中处处充满了令人惊喜的洞见。 ● 为什么有的人天生善于社交,而有的人总是充满障碍? 为什么智商越高的人越难相处? 心痛对人的伤害甚至超过头痛? 慈善组织如何激发人们的捐赠行为? ......一起来看看 《社交天性》 这本书的介绍吧!

Base64 编码/解码
Base64 编码/解码

Base64 编码/解码

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具