内容简介:学习 Spark 2(八):DataSet 创建
DataSet 是强类型的领域对象集,可以使用函数式(functional)或关系式(relational)操作,以并发的对 DataSet 进行转换。
DataFrame 是泛型为 Row 的 Dataset,即 Dataset[Row]
创建 Dataset
可以通过 spark.createDataFrame
和 spark.createDataset
方法,从 RDD 和 List 显式创建 Dataset
// 定义用户类 case class User(name: String, age: Long) // 汤姆与杰瑞 val tom = new User("Tom", 21) val jerry = new User("Jerry", 18) val users = List(tom, jerry) // 创建 DataSet val ds = spark.createDataset(users)
也可以通过 import spark.implicits._
隐式将 RDD 转换为 Dataset
import spark.implicits._ // 定义用户类 case class User(name: String, age: Long) // 汤姆与杰瑞 val tom = new User("tom", 21) val jerry = new User("jerry", 18) val users = List(tom, jerry) // 创建 RDD val rdd = sc.parallelize(users) // 转换为 Dataset val ds = rdd.toDS
查询 Dataset
可以调用 spark.sql
方法从临时表、 Hive 表或者文件中查询 DataFrame
// 从 Hive 的 dw 数据库中查询 users 表的所有数据 spark.sql("select * from dw.users") spark.table("dw.user") // 两者等价 // 从文本文件中查询数据 spark.sql("select * from parquet.`/data/users/*.parquet`")
读取 Dataset
调用 spark.read
通过 DataFrameReader 读取数据源为 DataFrame 或 Dataset
支持的数据源:
- JDBC
- 文本文件
- CSV
- JSON
- ORC
- Parquet
// 定义用户类 case class User(name: String, age: Long) // 读取 Dataset val ds = spark.read.json("/tmp/users.json").as[User]
或者
// 定义用户类 case class User(name: String, age: Long) // 读取 Dataset val ds = spark.read.format("json").load("/tmp/users.json").as[User]
写入 Dataset
调用 ds.write
通过 DataFrameWriter 将数据持久化
ds.write .mode(SaveMode. Overwrite) .format("parquet") .save("/data/users")
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 学习 Spark 2(二):RDD 创建
- Sphinx源码学习笔记(一):索引创建
- Python学习之路38-动态创建属性
- ECMAScript学习笔记(六)——对象的创建
- 微软收购深度学习初创公司Lobe 以帮助创建深度学习模型
- 使用 seed 命令创建模拟数据(学习笔记)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
算法设计、分析与实现
徐子珊 / 2012-10 / 65.00元
《算法设计、分析与实现:c、c++和java》由徐子珊编著,第1章~第6章按算法设计技巧分成渐增型算法、分治算法、动态规划算法、贪婪算法、回溯算法和图的搜索算法。每章针对一些经典问题给出解决问题的算法,并分析算法的时间复杂度。这样对于初学者来说,按照算法的设计方法划分,算法思想的阐述比较集中,有利于快速入门理解算法的精髓所在。一旦具备了算法设计的基本方法,按应用领域划分专题深入学习,读者可以结合已......一起来看看 《算法设计、分析与实现》 这本书的介绍吧!