spark sql联结操作
This commit is contained in:
罗祥
parent
45846d9573
commit
32b02527de
@ -83,9 +83,9 @@
|
||||
|
||||
1. [DateFrames 和 DataSets ](https://github.com/heibaiying/BigData-Notes/blob/master/notes/SparkSQL_Dataset和DataFrame简介.md)
|
||||
2. [Structured API的基本使用](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Spark_Structured_API的基本使用.md)
|
||||
3. 外部数据源
|
||||
3. [Spark SQL数据源]
|
||||
4. [Spark SQL常用聚合函数](https://github.com/heibaiying/BigData-Notes/blob/master/notes/SparkSQL常用聚合函数.md)
|
||||
5. 联结操作
|
||||
5. [Spark SQL JOIN 操作](https://github.com/heibaiying/BigData-Notes/blob/master/notes/SparkSQL联结操作.md)
|
||||
|
||||
**Spark Streaming ：**
|
||||
|
||||
|
||||
@ -11,46 +11,17 @@ object SparkSqlApp {
|
||||
|
||||
val spark = SparkSession.builder().appName("aggregations").master("local[2]").getOrCreate()
|
||||
|
||||
val empDF = spark.read.json("/usr/file/json/emp.json")
|
||||
empDF.createOrReplaceTempView("emp")
|
||||
val df = spark.read.json("/usr/file/json/emp.json")
|
||||
|
||||
val deptDF = spark.read.json("/usr/file/json/dept.json")
|
||||
deptDF.createOrReplaceTempView("dept")
|
||||
import spark.implicits._
|
||||
|
||||
deptDF.printSchema()
|
||||
df.select($"ename").limit(5).show()
|
||||
df.sort("sal").limit(3).show()
|
||||
|
||||
// 1.定义联结表达式
|
||||
val joinExpression = empDF.col("deptno") === deptDF.col("deptno")
|
||||
// 2.联结查询
|
||||
empDF.join(deptDF, joinExpression).select("ename", "dname").show()
|
||||
spark.sql("SELECT ename,dname FROM emp JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
df.orderBy(desc("sal")).limit(3).show()
|
||||
|
||||
df.select("deptno").distinct().show()
|
||||
|
||||
empDF.join(deptDF, joinExpression, "outer").show()
|
||||
spark.sql("SELECT * FROM emp FULL OUTER JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
|
||||
empDF.join(deptDF, joinExpression, "left_outer").show()
|
||||
spark.sql("SELECT * FROM emp LEFT OUTER JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
|
||||
empDF.join(deptDF, joinExpression, "right_outer").show()
|
||||
spark.sql("SELECT * FROM emp RIGHT OUTER JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
|
||||
empDF.join(deptDF, joinExpression, "left_semi").show()
|
||||
spark.sql("SELECT * FROM emp LEFT SEMI JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
|
||||
empDF.join(deptDF, joinExpression, "left_anti").show()
|
||||
spark.sql("SELECT * FROM emp LEFT ANTI dept ON emp.deptno = dept.deptno").show()
|
||||
|
||||
/*你绝对应该使用交叉连接，100％确定这是你需要的。 在Spark中定义交叉连接时，有一个原因需要明确。 他们很危险！
|
||||
高级用户可以将会话级配置spark.sql.crossJoin.enable设置为true，以便允许交叉连接而不发出警告，或者Spark没有尝试为您执行另一个连接。*/
|
||||
empDF.join(deptDF, joinExpression, "cross").show()
|
||||
spark.sql("SELECT * FROM emp CROSS JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
spark.sql("SELECT * FROM graduateProgram NATURAL JOIN person").show()
|
||||
df.orderBy(desc("deptno"), asc("sal")).show(2)
|
||||
}
|
||||
}
|
||||
|
||||
@ -20,6 +20,7 @@
|
||||
<a href="#32-无类型的自定义聚合函数">3.2 无类型的自定义聚合函数</a><br/>
|
||||
</nav>
|
||||
|
||||
|
||||
## 一、简单聚合
|
||||
|
||||
### 1.1 数据准备
|
||||
@ -336,6 +337,3 @@ object SparkSqlApp {
|
||||
## 参考资料
|
||||
|
||||
1. Matei Zaharia, Bill Chambers . Spark: The Definitive Guide[M] . 2018-02
|
||||
|
||||
|
||||
|
||||
|
||||
@ -1,10 +1,22 @@
|
||||
## 一、简介
|
||||
# Spark SQL JOIN
|
||||
|
||||
<nav>
|
||||
<a href="#一-数据准备">一、 数据准备</a><br/>
|
||||
<a href="#二连接类型">二、连接类型</a><br/>
|
||||
<a href="#21-INNER-JOIN">2.1 INNER JOIN</a><br/>
|
||||
<a href="#22-FULL-OUTER-JOIN">2.2 FULL OUTER JOIN</a><br/>
|
||||
<a href="#23-LEFT-OUTER-JOIN"> 2.3 LEFT OUTER JOIN</a><br/>
|
||||
<a href="#24-RIGHT-OUTER-JOIN">2.4 RIGHT OUTER JOIN</a><br/>
|
||||
<a href="#25-LEFT-SEMI-JOIN">2.5 LEFT SEMI JOIN</a><br/>
|
||||
<a href="#26-LEFT-ANTI-JOIN">2.6 LEFT ANTI JOIN </a><br/>
|
||||
<a href="#27-CROSS-JOIN">2.7 CROSS JOIN</a><br/>
|
||||
<a href="#28-NATURAL-JOIN">2.8 NATURAL JOIN</a><br/>
|
||||
<a href="#三连接的执行">三、连接的执行</a><br/>
|
||||
</nav>
|
||||
|
||||
## 一、 数据准备
|
||||
|
||||
## 二、 数据准备
|
||||
|
||||
分别创建员工和部门datafame，并注册为临时视图，代码如下：
|
||||
本文主要介绍Spark的多表连接，需要预先准备测试数据。分别创建员工和部门的datafame，并注册为临时视图，代码如下：
|
||||
|
||||
```scala
|
||||
val spark = SparkSession.builder().appName("aggregations").master("local[2]").getOrCreate()
|
||||
@ -16,7 +28,7 @@ val deptDF = spark.read.json("/usr/file/json/dept.json")
|
||||
deptDF.createOrReplaceTempView("dept")
|
||||
```
|
||||
|
||||
两表字段中所有字段如下：
|
||||
两表的主要字段如下：
|
||||
|
||||
```properties
|
||||
emp员工表
|
||||
@ -41,17 +53,133 @@ dept部门表
|
||||
|
||||
|
||||
|
||||
## 三、联结操作
|
||||
## 二、连接类型
|
||||
|
||||
### 3.1 Inner Joins
|
||||
Spark中支持多种连接类型：
|
||||
|
||||
+ Inner joins : 内连接；
|
||||
+ Full Outer joins : 全外连接；
|
||||
+ Left outer joins : 左外连接；
|
||||
+ Right outer joins : 右外连接；
|
||||
+ Left semi joins : 左半连接；
|
||||
+ Left anti joins : 左反连接；
|
||||
+ Natural joins : 自然连接；
|
||||
+ Cross (or Cartesian) joins : 交叉(或笛卡尔)连接。
|
||||
|
||||
其中内，外连接，笛卡尔积均与普通关系型数据库中的相同，如下图所示：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/sql-join.jpg"/> </div>
|
||||
|
||||
这里解释一下左半连接和左反连接，这两个连接等价于关系型数据库中的IN和NOT IN字句：
|
||||
|
||||
```sql
|
||||
-- LEFT SEMI JOIN
|
||||
SELECT * FROM emp LEFT SEMI JOIN dept ON emp.deptno = dept.deptno
|
||||
-- 等价于如下的IN语句
|
||||
SELECT * FROM emp WHERE deptno IN (SELECT deptno FROM dept)
|
||||
|
||||
-- LEFT ANTI JOIN
|
||||
SELECT * FROM emp LEFT ANTI JOIN dept ON emp.deptno = dept.deptno
|
||||
-- 等价于如下的IN语句
|
||||
SELECT * FROM emp WHERE deptno NOT IN (SELECT deptno FROM dept)
|
||||
```
|
||||
|
||||
所有连接类型的示例代码如下：
|
||||
|
||||
### 2.1 INNER JOIN
|
||||
|
||||
```scala
|
||||
// 1.定义联结表达式
|
||||
// 1.定义连接表达式
|
||||
val joinExpression = empDF.col("deptno") === deptDF.col("deptno")
|
||||
// 2.联结查询
|
||||
// 2.连接查询
|
||||
empDF.join(deptDF,joinExpression).select("ename","dname").show()
|
||||
|
||||
// 等价SQL如下：
|
||||
spark.sql("SELECT ename,dname FROM emp JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.2 FULL OUTER JOIN
|
||||
|
||||
```scala
|
||||
empDF.join(deptDF, joinExpression, "outer").show()
|
||||
spark.sql("SELECT * FROM emp FULL OUTER JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.3 LEFT OUTER JOIN
|
||||
|
||||
```scala
|
||||
empDF.join(deptDF, joinExpression, "left_outer").show()
|
||||
spark.sql("SELECT * FROM emp LEFT OUTER JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.4 RIGHT OUTER JOIN
|
||||
|
||||
```scala
|
||||
empDF.join(deptDF, joinExpression, "right_outer").show()
|
||||
spark.sql("SELECT * FROM emp RIGHT OUTER JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.5 LEFT SEMI JOIN
|
||||
|
||||
```scala
|
||||
empDF.join(deptDF, joinExpression, "left_semi").show()
|
||||
spark.sql("SELECT * FROM emp LEFT SEMI JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.6 LEFT ANTI JOIN
|
||||
|
||||
```scala
|
||||
empDF.join(deptDF, joinExpression, "left_anti").show()
|
||||
spark.sql("SELECT * FROM emp LEFT ANTI JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.7 CROSS JOIN
|
||||
|
||||
```scala
|
||||
empDF.join(deptDF, joinExpression, "cross").show()
|
||||
spark.sql("SELECT * FROM emp CROSS JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
### 2.8 NATURAL JOIN
|
||||
|
||||
自然连接是在两张表中寻找那些数据类型和列名都相同的字段，然后自动地将他们连接起来，并返回所有符合条件的结果。
|
||||
|
||||
```scala
|
||||
spark.sql("SELECT * FROM emp NATURAL JOIN dept").show()
|
||||
```
|
||||
|
||||
以下是一个自然连接的查询结果，程序自动推断出使用两张表都存在的dept列进行连接，其实际等价于：
|
||||
|
||||
```sql
|
||||
spark.sql("SELECT * FROM emp JOIN dept ON emp.deptno = dept.deptno").show()
|
||||
```
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-sql-NATURAL-JOIN.png"/> </div>
|
||||
|
||||
由于自然连接常常会产生不可预期的结果，所以并不推荐使用。
|
||||
|
||||
|
||||
|
||||
## 三、连接的执行
|
||||
|
||||
在对大表与大表之间进行连接操作时，通常都会触发shuffle join，两表的所有分区节点会进行All-to-All的通讯，这种查询通常比较昂贵，会对网络IO会造成比较大的负担。
|
||||
|
||||
<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-Big-table–to–big-table.png"/> </div>
|
||||
|
||||
|
||||
|
||||
而对于大表和小表的连接操作，Spark会在一定程度上进行优化，如果小表的数据量小于Work Node上内存空间，Spark会考虑将小表的数据广播到每一个工作节点，在每个工作节点内部执行连接计算，这可以降低网络的IO，但会加大每个工作节点上的CPU负担。
|
||||
|
||||
<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-Big-table–to–small-table.png"/> </div>
|
||||
|
||||
是否采用广播方式进行JOIN取决于程序内部的判断，如果想明确使用广播方式进行JOIN，可以在DataFrame API 中使用`broadcast`方法显示指定需要广播的小表：
|
||||
|
||||
```scala
|
||||
empDF.join(broadcast(deptDF), joinExpression).show()
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
1. Matei Zaharia, Bill Chambers . Spark: The Definitive Guide[M] . 2018-02
|
||||
@ -1,94 +1,39 @@
|
||||
# Structured API基本使用
|
||||
|
||||
<nav>
|
||||
<a href="#一创建DataFrames">一、创建DataFrames</a><br/>
|
||||
<a href="#二DataFrames基本操作">二、DataFrames基本操作</a><br/>
|
||||
<a href="#三创建Datasets">三、创建Datasets</a><br/>
|
||||
<a href="#四DataFrames与Datasets互相转换">四、DataFrames与Datasets互相转换</a><br/>
|
||||
<a href="#五RDDs转换为DataFramesDatasets">五、RDDs转换为DataFrames\Datasets</a><br/>
|
||||
<a href="#一创建DataFrame和Dataset">一、创建DataFrame和Dataset</a><br/>
|
||||
<a href="#二Columns列操作">二、Columns列操作</a><br/>
|
||||
<a href="#三使用Structured-API进行基本查询">三、使用Structured API进行基本查询</a><br/>
|
||||
<a href="#四使用Spark-SQL进行基本查询">四、使用Spark SQL进行基本查询</a><br/>
|
||||
</nav>
|
||||
|
||||
|
||||
## 一、创建DataFrames
|
||||
## 一、创建DataFrame和Dataset
|
||||
|
||||
### 1.1 创建DataFrame
|
||||
|
||||
Spark中所有功能的入口点是`SparkSession`，可以使用`SparkSession.builder()`创建。创建后应用程序就可以从现有RDD，Hive表或Spark数据源创建DataFrame。如下所示：
|
||||
|
||||
```scala
|
||||
val spark = SparkSession.builder().appName("Spark-SQL").master("local[2]").getOrCreate()
|
||||
val df = spark.read.json("/usr/file/emp.json")
|
||||
val df = spark.read.json("/usr/file/json/emp.json")
|
||||
df.show()
|
||||
|
||||
// 建议在进行spark SQL编程前导入下面的隐式转换，因为DataFrames和dataSets中很多操作都依赖了隐式转换
|
||||
import spark.implicits._
|
||||
```
|
||||
|
||||
这里可以启动`spark-shell`进行测试，需要注意的是`spark-shell`启动后会自动创建一个名为`spark`的`SparkSession`，在命令行中可以直接引用即可：
|
||||
可以使用`spark-shell`进行测试，需要注意的是`spark-shell`启动后会自动创建一个名为`spark`的`SparkSession`，在命令行中可以直接引用即可：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-sql-shell.png"/> </div>
|
||||
|
||||
## 二、DataFrames基本操作
|
||||
<br/>
|
||||
|
||||
### 2.1 printSchema
|
||||
### 1.2 创建Dataset
|
||||
|
||||
```scala
|
||||
// 以树形结构打印dataframe的schema信息
|
||||
df.printSchema()
|
||||
```
|
||||
Spark支持由内部数据集和外部数据集来创建DataSets，其创建方式分别如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-scheme.png"/> </div>
|
||||
|
||||
### 2.2 使用DataFrame API进行基本查询
|
||||
|
||||
```scala
|
||||
// 查询员工姓名及工作
|
||||
df.select($"ename", $"job").show()
|
||||
|
||||
// 查询工资大于2000的员工信息
|
||||
df.filter($"sal" > 2000).show()
|
||||
|
||||
// 分组统计部门人数
|
||||
df.groupBy("deptno").count().show()
|
||||
```
|
||||
|
||||
### 2.3 使用SQL进行基本查询
|
||||
|
||||
```scala
|
||||
// 首先需要将DataFrame注册为临时视图
|
||||
df.createOrReplaceTempView("emp")
|
||||
|
||||
// 查询员工姓名及工作
|
||||
spark.sql("SELECT ename,job FROM emp").show()
|
||||
|
||||
// 查询工资大于2000的员工信息
|
||||
spark.sql("SELECT * FROM emp where sal > 2000").show()
|
||||
|
||||
// 分组统计部门人数
|
||||
spark.sql("SELECT deptno,count(ename) FROM emp group by deptno").show()
|
||||
```
|
||||
|
||||
### 2.4 全局临时视图
|
||||
|
||||
上面使用`createOrReplaceTempView`创建的是会话临时视图，它的生命周期仅限于会话范围，会随会话的结束而结束。
|
||||
|
||||
你也可以使用`createGlobalTempView`创建全局临时视图，全局临时视图可以在所有会话之间共享，并直到整个Spark应用程序终止才会消失。全局临时视图被定义在内置的`global_temp`数据库下，需要使用限定名称进行引用，如`SELECT * FROM global_temp.view1`。
|
||||
|
||||
```scala
|
||||
// 注册为全局临时视图
|
||||
df.createGlobalTempView("gemp")
|
||||
|
||||
// 查询员工姓名及工作，使用限定名称进行引用
|
||||
spark.sql("SELECT ename,job FROM global_temp.gemp").show()
|
||||
|
||||
// 查询工资大于2000的员工信息，使用限定名称进行引用
|
||||
spark.sql("SELECT * FROM global_temp.gemp where sal > 2000").show()
|
||||
|
||||
// 分组统计部门人数，使用限定名称进行引用
|
||||
spark.sql("SELECT deptno,count(ename) FROM global_temp.gemp group by deptno").show()
|
||||
```
|
||||
|
||||
## 三、创建Datasets
|
||||
|
||||
### 3.1 由外部数据集创建
|
||||
#### 1. 由外部数据集创建
|
||||
|
||||
```scala
|
||||
// 1.需要导入隐式转换
|
||||
@ -103,7 +48,7 @@ val ds = spark.read.json("/usr/file/emp.json").as[Emp]
|
||||
ds.show()
|
||||
```
|
||||
|
||||
### 3.2 由内部数据集创建
|
||||
#### 2. 由内部数据集创建
|
||||
|
||||
```scala
|
||||
// 1.需要导入隐式转换
|
||||
@ -120,29 +65,13 @@ val caseClassDS = Seq(Emp("ALLEN", 300.0, 30, 7499, "1981-02-20 00:00:00", "SALE
|
||||
caseClassDS.show()
|
||||
```
|
||||
|
||||
<br/>
|
||||
|
||||
|
||||
## 四、DataFrames与Datasets互相转换
|
||||
|
||||
Spark提供了非常简单的转换方法用于DataFrames与Datasets互相转换，示例如下：
|
||||
|
||||
```shell
|
||||
# DataFrames转Datasets
|
||||
scala> df.as[Emp]
|
||||
res1: org.apache.spark.sql.Dataset[Emp] = [COMM: double, DEPTNO: bigint ... 6 more fields]
|
||||
|
||||
# Datasets转DataFrames
|
||||
scala> ds.toDF()
|
||||
res2: org.apache.spark.sql.DataFrame = [COMM: double, DEPTNO: bigint ... 6 more fields]
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 五、RDDs转换为DataFrames\Datasets
|
||||
### 1.3 由RDD创建DataFrame
|
||||
|
||||
Spark支持两种方式把RDD转换为DataFrames，分别是使用反射推断和指定schema转换。
|
||||
|
||||
### 5.1 使用反射推断
|
||||
#### 1. 使用反射推断
|
||||
|
||||
```scala
|
||||
// 1.导入隐式转换
|
||||
@ -159,7 +88,7 @@ val rddToDS = spark.sparkContext
|
||||
.toDS() // 如果调用toDF()则转换为dataFrame
|
||||
```
|
||||
|
||||
### 5.2 以编程方式指定Schema
|
||||
#### 2. 以编程方式指定Schema
|
||||
|
||||
```scala
|
||||
import org.apache.spark.sql.Row
|
||||
@ -184,6 +113,128 @@ val deptDF = spark.createDataFrame(rowRDD, schema)
|
||||
deptDF.show()
|
||||
```
|
||||
|
||||
### 1.4 DataFrames与Datasets互相转换
|
||||
|
||||
Spark提供了非常简单的转换方法用于DataFrames与Datasets互相转换，示例如下：
|
||||
|
||||
```shell
|
||||
# DataFrames转Datasets
|
||||
scala> df.as[Emp]
|
||||
res1: org.apache.spark.sql.Dataset[Emp] = [COMM: double, DEPTNO: bigint ... 6 more fields]
|
||||
|
||||
# Datasets转DataFrames
|
||||
scala> ds.toDF()
|
||||
res2: org.apache.spark.sql.DataFrame = [COMM: double, DEPTNO: bigint ... 6 more fields]
|
||||
```
|
||||
|
||||
<br/>
|
||||
|
||||
## 二、Columns列操作
|
||||
|
||||
### 2.1 引用列
|
||||
|
||||
Spark支持多种方法来构造和引用列，最简单的是使用 `col() `或 `column() `函数。
|
||||
|
||||
```scala
|
||||
col("colName")
|
||||
column("colName")
|
||||
|
||||
// 对于Scala语言而言，还可以使用$"myColumn"和'myColumn这两种语法糖进行引用。
|
||||
df.select($"ename", $"job").show()
|
||||
df.select('ename, 'job).show()
|
||||
```
|
||||
|
||||
### 2.2 新增列
|
||||
|
||||
```scala
|
||||
// 基于已有列值新增列
|
||||
df.withColumn("upSal",$"sal"+1000)
|
||||
// 基于固定值新增列
|
||||
df.withColumn("intCol",lit(1000))
|
||||
```
|
||||
|
||||
### 2.3 删除列
|
||||
|
||||
```scala
|
||||
// 支持删除多个列
|
||||
df.drop("comm","job").show()
|
||||
```
|
||||
|
||||
### 2.4 重命名列
|
||||
|
||||
```scala
|
||||
df.withColumnRenamed("comm", "common").show()
|
||||
```
|
||||
|
||||
需要说明的是新增，删除，重命名列都会产生新的DataFrame，原来的DataFrame不会被改变。
|
||||
|
||||
|
||||
|
||||
## 三、使用Structured API进行基本查询
|
||||
|
||||
```scala
|
||||
// 1.查询员工姓名及工作
|
||||
df.select($"ename", $"job").show()
|
||||
|
||||
// 2.filter 查询工资大于2000的员工信息
|
||||
df.filter($"sal" > 2000).show()
|
||||
|
||||
// 3.orderBy 按照部门编号降序，工资升序进行查询
|
||||
df.orderBy(desc("deptno"), asc("sal")).show()
|
||||
|
||||
// 4.limit 查询工资最高的3名员工的信息
|
||||
df.orderBy(desc("sal")).limit(3).show()
|
||||
|
||||
// 5.distinct 查询所有部门编号
|
||||
df.select("deptno").distinct().show()
|
||||
|
||||
// 6.groupBy 分组统计部门人数
|
||||
df.groupBy("deptno").count().show()
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 四、使用Spark SQL进行基本查询
|
||||
|
||||
### 4.1 Spark SQL基本使用
|
||||
|
||||
```scala
|
||||
// 1.首先需要将DataFrame注册为临时视图
|
||||
df.createOrReplaceTempView("emp")
|
||||
|
||||
// 2.查询员工姓名及工作
|
||||
spark.sql("SELECT ename,job FROM emp").show()
|
||||
|
||||
// 3.查询工资大于2000的员工信息
|
||||
spark.sql("SELECT * FROM emp where sal > 2000").show()
|
||||
|
||||
// 4.orderBy 按照部门编号降序，工资升序进行查询
|
||||
spark.sql("SELECT * FROM emp ORDER BY deptno DESC,sal ASC").show()
|
||||
|
||||
// 5.limit 查询工资最高的3名员工的信息
|
||||
spark.sql("SELECT * FROM emp ORDER BY sal DESC LIMIT 3").show()
|
||||
|
||||
// 6.distinct 查询所有部门编号
|
||||
spark.sql("SELECT DISTINCT(deptno) FROM emp").show()
|
||||
|
||||
// 7.分组统计部门人数
|
||||
spark.sql("SELECT deptno,count(ename) FROM emp group by deptno").show()
|
||||
```
|
||||
|
||||
### 4.2 全局临时视图
|
||||
|
||||
上面使用`createOrReplaceTempView`创建的是会话临时视图，它的生命周期仅限于会话范围，会随会话的结束而结束。
|
||||
|
||||
你也可以使用`createGlobalTempView`创建全局临时视图，全局临时视图可以在所有会话之间共享，并直到整个Spark应用程序终止才会消失。全局临时视图被定义在内置的`global_temp`数据库下，需要使用限定名称进行引用，如`SELECT * FROM global_temp.view1`。
|
||||
|
||||
```scala
|
||||
// 注册为全局临时视图
|
||||
df.createGlobalTempView("gemp")
|
||||
|
||||
// 使用限定名称进行引用
|
||||
spark.sql("SELECT ename,job FROM global_temp.gemp").show()
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
BIN
pictures/spark-Big-table–to–big-table.png
Normal file
BIN
pictures/spark-Big-table–to–big-table.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 129 KiB |
BIN
pictures/spark-Big-table–to–small-table.png
Normal file
BIN
pictures/spark-Big-table–to–small-table.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 96 KiB |
BIN
pictures/spark-sql-NATURAL-JOIN.png
Normal file
BIN
pictures/spark-sql-NATURAL-JOIN.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 38 KiB |
Loading…
x
Reference in New Issue
Block a user