通过自定义创建Dataframe及使用SQL来操作数据

1.实例化SparkContext和SparkSession对象

2.创建case class Emp样例类，用于定义数据的结构信息

3.通过SparkContext对象读取文件，生成RDD[String]

4.将RDD[String]转换成RDD[Emp]

5.引入spark隐式转换函数（必须引入）

6.将RDD[Emp]转换成DataFrame

7.将DataFrame注册成一张视图或者临时表

8.通过调用SparkSession对象的sql函数，编写sql语句

9.停止资源

10.具体代码如下：

 
 
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{Row, SparkSession}
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.types.{DataType, DataTypes, StructField, StructType}
 
// 0. 数据分析
// 7499,ALLEN,SALESMAN,7698,1981/2/20,1600,300,30
// 1. 定义Emp样例类
case class Emp(empNo:Int,empName:String,job:String,mgr:String,hiredate:String,sal:Int,comm:String,deptNo:Int)
 
object Demo02 {
  def main(args: Array[String]): Unit = {
    // 2. 读取数据将其映射成Row对象
    val sc = new SparkContext(new SparkConf().setMaster("local[2]").setAppName("Demo02"))
    sc.setLogLevel("WARN")
    val mapRdd = sc.textFile("file:///G:\\major\\spark\\temp\\emp.csv")
      .map(_.split(","))
 
    val rowRDD:RDD[Emp] = mapRdd.map(line => Emp(line(0).toInt, line(1), line(2), line(3), line(4), line(5).toInt, line(6), line(7).toInt))
 
    // 3。创建dataframe
    val spark = SparkSession.builder().getOrCreate()
    // 引入spark隐式转换函数
    import spark.implicits._
    // 将RDD转成Dataframe
    val dataFrame = rowRDD.toDF
 
    // 4.2 sql语句操作
    // 1、将dataframe注册成一张临时表
    dataFrame.createOrReplaceTempView("emp")
    // 2. 编写sql语句进行操作
    spark.sql("select deptNo,sum(sal) as total from emp group by deptNo order by total desc").show()
 
    // 关闭资源
    spark.stop()
    sc.stop()
  }
}

运行结果：

 注意：其中的文件路径需要更改为自己保存的文件路径，文件链接为：

链接：https://pan.baidu.com/s/1EaakmjMqDq5y7wufd9GVkg?pwd=zhjy 
提取码：zhjy

在文件夹里找到emp.csv,复制其路径即可。

 （其中遇到一些问题，代码报红，解决方法：将spark文件里的jars包导进去，还有scala版本与之前创建的项目版本保持一致）