一套比RDD更加简单易用的API，如果说RDD是基础剑法，SparkSQL就是全真剑法（基础剑法升级版）
SparkSQL，使用SQL来完成大数据操作
Spark的RDD相关API是spark处理大数据的基础，在后面的版本中Spark提出新的处理方案，在学习新API之前我们需要了解下API提供的新对象，spark在新版本中升级RDD为DataFrame和DataSet，并使用SQL的方式去操作数据
DataFrame，RDD的升级版，分布式的数据集，并且以列的方式组合的，类似于二维表格式，除数据外保存数据结构信息
DataSet，DataFrame扩展，最新的数据抽象，相对于DataFrame，DataSet会记录字段的数据类型，并进行严格错误检查
三者的关系是RDD进化 >>> DataFrame ，DataFrame进化 >>> DataSet。
当然这里也不是说RDD不用了，而是把RDD转为底层处理，所以同学们还是需要先理解什么是RDD
常用方法
DataSet，DataFrame 的使用是依赖于SparkSession的，所以我们需要先创建SparkSession
val spark = new SparkContext(
new SparkConf().setMaster("local")
.setAppName("taobao")
)读取数据
read.csv(“路径”)
val data = spark.read.csv("data/A.csv")
val data = spark.read
.option("header","true") // 设置读取首行，这里的声明用于把数据首行作为列名
.csv("data/A.csv")spark.read 读取数据库数据
val data = spark.read.format("jdbc")
.option("url","jdbc:mysql://127.0.0.1:3306/ssm") // 数据库地址
.option("driver","com.mysql.jdbc.Driver") // 驱动
.option("user","root") // 用户名
.option("password","root") // 密码
.option("dbtable","user") // 表名
.load()DataFrame.write 写入数据库
data.write
.format("jdbc")
.option("url","jdbc:mysql://127.0.0.1:3306/ssm")
.option("driver","com.mysql.jdbc.Driver")
.option("user","用户名")
.option("password","密码")
.option("dbtable","表名")
.mode(SaveMode.Append)
.save()show(num)
显示顶部num行数据map(func)
操作和RDD中类似，不同的是需要隐式转换，在代码前加上
import spark.implicits._
data.map(
x => { // raw 可以通过下标获得到对应中，不需要切分
(x.getString(0),x.getString(1).toInt)
}
)toDF(“列名”…)
转换成DataFrame类型，并设置列名
val result = data.map(
x => { // raw 可以通过下标获得到对应中，不需要切分
(x.getString(0),x.getString(1).toInt)
}
).toDF("name","count")
result.show()select(col: String, cols: String*): DataFrame
查询指定列并返回数据
val r2 = data.select("名称",
"人均价格")
r2.show(10)selectExpr(exprs: String*): DataFrame
执行函数（SQL中的）
data.selectExpr("count(name)")
data.selectExpr("avg(age)")rdd
把DataFrame和DataSet转换成RDD类型printSchema()
查看表结构
root
|-- age: long (nullable = true)
|-- name: string (nullable = true)filter(Str)
执行过滤
filter("age>10")
filter("age>10 and name='张三'")sum(“列名”) \ avg(“列名”) \ max(“列名”) \ min(“列名”) \ count()
针对列进行求和
平均值
最大值
最小值
数量
data.groupBy("age").sum("age").show()
data.groupBy("age").avg("age").show()
....orderBy(“列名”)
排序
val r2 = data.map(
x => {
(x.getString(0),x.getString(1).toInt)
}
).toDF("名称","评论数")
.orderBy("评论数")
r2.show(10)
这里注意如果需要降序需要
val r2 = data.map(
x => {
(x.getString(0),x.getString(1).toInt)
}
).toDF("名称","评论数")
.orderBy(desc("评论数"))
r2.show(10)
注意导入import org.apache.spark.sql.functions.desc上面写的方法都是一些处理方法，下面的是纯SQL的处理
createOrReplaceTempView(str)
创建临时表，注意使用SQL的时候需要根据当前数据创建临时表，这样才可以在SQL里面使用
data.createOrReplaceTempView("user")sql(str)
在当前数据集上执行SQL语句
val result = spark.sql("select name from `user`")
result.show()
val count = spark.sql("select count(*) from `user`")
count.show()spark.udf.register(fName,func)
自定义一个函数，用于SQL中处理
spark.udf.register("f1",(x:String) => (x+"a"))
val result = spark.sql("select f1(name) from user")
result.show()
