欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Spark中RDD转换为DataFrame的方法总结

程序员文章站 2022-07-15 14:30:16
...

直接贴出代码吧。

import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.sql.{DataFrame, Row, SQLContext, SparkSession}
import org.apache.spark.sql.types.{IntegerType, StringType, StructField, StructType}
import org.apache.spark.{SparkConf, SparkContext}

/**
  * 总结RDD转换成DF的方法总结
  */
object Rdd2DF {

  case class People(var name:String ,var age : Int)

  /**
    * RDD转换成DF的第一种转换方法
    */
  def transfer1(): Unit = {
    val config: SparkConf = new SparkConf().setMaster("local[*]").setAppName("Rdd2DF")
    val sparkSession: SparkSession = SparkSession.builder().config(config).getOrCreate()
    val schema = StructType(
      Seq(
        StructField("name",StringType,true)
        ,StructField("age",IntegerType,true)
      )
    )
    val rowRDD = sparkSession.sparkContext
      .textFile("D:/people.txt",2)
      .map( x => x.split(",")).map( x => Row(x(0), x(1).trim().toInt))
    sparkSession.createDataFrame(rowRDD, schema)
  }

  /**
    * RDD转换成DF的第二种转换方法
    */
  def transfer2(): Unit = {
    val config: SparkConf = new SparkConf().setMaster("local[*]").setAppName("Rdd2DF")
    val sparkSession: SparkSession = SparkSession.builder().config(config).getOrCreate()
    //导入隐饰操作,否则RDD无法调用toDF方法
    import sparkSession.implicits._
    val peopleRDD = sparkSession.sparkContext
      .textFile("/tmp/people.txt",2)
      .map( x => x.split(",")).map( x => People(x(0), x(1).trim().toInt))
    val peopleDF = peopleRDD.toDF()
  }


  /**
    * RDD转换成DF的第三种转换方法
    */
  def transfer3(): Unit = {
    // 初始化 spark config
    val conf = new SparkConf().setAppName("Rdd2DF").setMaster("local")
    // 初始化spark context
    val sc = new SparkContext(conf)
    // 初始化spark sql context
    val ssc = new SQLContext(sc)

    // 做spark sql 的df获取工作
    val peopleRDD = sc.textFile("D:/people.txt").map(line =>
      Row(line.split(" ")(0), line.split(" ")(1).trim().toInt))
    // 创建 StructType 来定义结构
    val structType : StructType = StructType(
      StructField("name",StringType,true)::
      StructField("age",IntegerType,true) ::Nil
    )
    val df : DataFrame = ssc.createDataFrame(peopleRDD, structType)
    /*df.registerTempTable("peopel")
    ssc.sql("select * from peopel").show()
    sc.stop()*/
  }

  /**
    * RDD转换成DF的第四种转换方法
    */
  def transfer4(): Unit = {
    // 初始化 spark config
    val conf = new SparkConf().setAppName("Rdd2DF").setMaster("local")
    // 初始化spark context
    val sc = new SparkContext(conf)
    // 初始化spark sql context
    val ssc = new SQLContext(sc)
    // 做spark sql 的df获取工作
    val PeopleRDD = sc.textFile("D:/people.txt").map(line => People(line.split(" ")(0), line.split(" ")(1).trim.toInt))

    import ssc.implicits._

    val df = PeopleRDD.toDF

    /*// 将DataFrame注册成临时的一张表,这张表相当于临时注册到内存中,是逻辑上的表,不会物化到磁盘  这种方式用的比较多
    df.registerTempTable("peopel")
    val df2 = ssc.sql("select * from peopel where age > 23")show()
    sc.stop()*/
  }

  /**
    * RDD转换成DF的第五种转换方法
    */
  def transfer5(): Unit = {
    // 初始化 spark config
    val conf = new SparkConf().setAppName("Rdd2DF").setMaster("local")
    // 初始化spark context
    val sc = new SparkContext(conf)
    val sqlContext = new HiveContext(sc)
    // 做spark sql 的df获取工作
    val PeopleRDD = sc.textFile("D:/people.txt").map(line => People(line.split(" ")(0), line.split(" ")(1).trim.toInt))
    sqlContext.createDataFrame(PeopleRDD)
  }

  def main(args: Array[String]): Unit = {

  }

}

github地址:https://github.com/jpegbert/SparkCoding/tree/master/src/main/scala/com/rdd_2_df

Spark中RDD转换为DataFrame的方法总结