spark sql 概述

目录

• spark
• spark sql
• DataFrame
• 使用方法

spark

• 基于内存的计算引擎，计算速度非常快，但是只涉及数据的计算，没有涉及数据的存储。

spark sql

• Spark sql不仅仅支持sql操作，还提供了例如外部数据源，以及各种优化
• spark sql不仅提供了sql的api，还提供了DataFrame和Dataset的api
  ** spark sql 操作数据有两种方式，一种是通过sql语句，一种是通过其自带的DataFrame的api
  ** DataFrame在操作结构化数据的时候，引入了schema（每列的名称、类型）表结构，其实就是相当于给表的每一列加入了字段，比如torch里的tensor，只是结构化数据，但是没有每个列的信息，DataFrame通过字段名来更好地描述数据。

DataFrame

• DataFrame是一个分布式的行集合。

使用方法

• 首先创建一个SparkSession对象。

点击查看代码

conf = SparkConf
config = ()
conf.setAll(config)
spark = SparkSession.builder.config(conf=conf).getOrCreate()

* 然后创建DataFrame ** 调用方法spark.read.xxx，其中xxx是数据源的具体类型，比如 jsonDF = spark.read.json(x.json)，数据源可以是RDD，CSV，json，parquet，orc，jdbc