Spark 입문(6)-가장 완전한 Sark SQL 연산 자 소개 와 사용(상)

121122 단어 Spark 빅 데이터

Spark SQL

Datasets&DataFrames 소개

빠 른 입문

Dataset&DataFrame 실전

Dataset create

case-class

Tuple(원조)

json 데이터

RDD

Dataframe create

json 파일

case-class

Tuple(원조)

RDD 변환

DataFrame Operations(Untyped)DataFrame 무 유형 조작

printSchema 인쇄 Dataframe 의 표 구조(표 두)

show

select

selectExpr

withColumn

withColumnRenamed

drop

dropDuplicates

orderBy|sort

groupBy

agg

limit

where

pivot(행 열 전환)

na(현재 null 의 값 으로 교체)

join

cube(다 차원)

Dataset Oprations(Strong typed)데이터 세트 작업-강 한 유형

Spark SQL 은 RDD 위 에 구 축 된 ETL(Extract Transform Load)도구 입 니 다.SparkSQL 은 RDD 위 에서 추상 화Dataset/Dataframe라 는 두 가지 유형 은 RDD 와 유사 한 기능 을 제공 했다.즉,사용자 가 map,faltMap,filter 등 고급 연산 자 를 사용 할 수 있 음 을 의미 하 는 동시에 열 을 바탕 으로 하 는 명명 조 회 를 통 해 Dataset/Data Frame 은 두 가지 조작 수 거 리 를 제공 하 는 API 를 제공 했다.이런 API 는 Sark 엔진 에 더 많은 정 보 를 제공 할 수 있다.시스템 은 이러한 정보 에 근거 하여 계산 에 대해 일정한 최 적 화 를 실현 할 수 있다.현재 Spark SQL 은 두 가지 상호작용 방식 을 제공 합 니 다.

SQL

Dataset API(strong-type 유형,untyped 유형 조작)

Datasets&DataFrames 소개
Dataset 은 분포 식 데이터 세트 로 Dataset 는 spark-1.6 에서 새로운 API 를 제시 합 니 다.이 API 는 RDD(strong type,lambda 표현 식 사용)에 구축 되 는 동시에 Spark SQL 이 실행 엔진 에 대한 장점 을 빌려 Dateset 을 사용 하여 일부 데 이 터 를 직접 사용 하 는 것 보다 RDD 연산 자 기능 과 성능 을 향상 시 킬 수 있 습 니 다.그래서 우 리 는 Dateset 이 강화 버 전의 RDD 라 고 볼 수 있다.Dataset 는 JVM 의 배열|집합 대상 을 만 드 는 것 외 에 도 임의의 RDD 를 Dataset 로 변환 할 수 있 습 니 다.Python does not have the support for the Dataset API.DataFrames 는 Dataset 의 특수 한 상황 이다.예 를 들 어 Dataset 에 서 는 임의의 대상 형식의 데 이 터 를 Dataset 요소 로 저장 할 수 있 습 니 다.그러나 Dataframe 의 요 소 는 한 가지 유형의 Row 유형 만 있 는데 이런 Row 조 회 는 전통 적 인 데이터 베이스 에서 ResultSet 작업 과 매우 비슷 하 다.Row 형식의 데 이 터 는 Dataframe 의 요 소 를 표시 하기 때문에 데이터베이스 의 한 줄 과 유사 합 니 다.이 줄 의 요 소 는 아래 표 시 를 하거나 column name 을 통 해 접근 할 수 있 습 니 다.Dateset 은 API 의 호환성 이나 지원 도가 그다지 좋 지 않 기 때문에 Dataframe 은 API 차원 에서 지원 하 는 Scala,Java,R,Python 지원 이 비교적 전면적 입 니 다.
쾌속 입문

도입 의존

<dependency> 
	<groupId>org.apache.sparkgroupId> 
	<artifactId>spark-core_2.11artifactId>
    <version>2.4.3version> 
dependency> 
<dependency> 
	<groupId>org.apache.sparkgroupId> 
	<artifactId>spark-sql_2.11artifactId> 
	<version>2.4.3version> 
dependency>

문자 통계 만 들 기(untyped)

def main(args: Array[String]): Unit = {
		//1.  SparkSeesion
		val spark = SparkSession
			.builder()
			.appName("wordcount")
			.master("local[6]")
			.getOrCreate()

		//2.  spark      |  
		import spark.implicits._

		//3.  dataset
		val lines = Array("this is a demo", "hello spark")
		val wordRDD = spark.sparkContext
			.makeRDD(lines)
			.flatMap(_.split("\\s+"))
			.map((_, 1))

		val ds: Dataset[(String, Int)] = wordRDD.toDS()
		
		//4. Dataset  sql    
		ds.groupBy($"_1")
			//     
			.sum("_2")
			.as("total")
			.withColumnRenamed("_1", "word")
			.withColumnRenamed("sum(_2)", "total")
			.show()
		//5.  spark
		spark.stop()
}

문자 통계 만 들 기(strong typed)

def main(args: Array[String]): Unit = {
		//1.  SparkSeesion 
		val spark = SparkSession
			.builder()
			.appName("wordcount")
			.master("local[6]")
			.getOrCreate()

		//2.  spark      |  

		import spark.implicits._

		//3.  dataset 
		val lines = Array("this is a demo", "hello spark")
		val wordRDD = spark.sparkContext
			.makeRDD(lines)
			.flatMap(_.split("\\s+"))
			.map((_, 1))
		val ds: Dataset[(String, Int)] = wordRDD.toDS()

		//4. Dataset  sql     
		ds.groupByKey(t => t._1)
			.agg(typed.sum[(String, Int)](tuple => tuple._2).name("total"))
			.show()

		//5.  spark 
		spark.stop()
}

Dataset&DataFrame 실전
Dataset create
Dataset 는 RDD 와 유사 하 며,다른 것 은 Spark SQL 은 Spark RDD(Java/Kryo 직렬 화)에 독립 된 직렬 화 규범 을 가지 고 있 으 며,Encoders 라 고 부른다.SparkRDD 직렬 화 와 달리 Dataset 는 형식 없 는 작업 을 지원 하기 때문에 사용 자 는 작업 의 유형 을 가 져 올 필요 가 없습니다.작업 은 열 이름 일 뿐 입 니 다.Spark SQL 은 연산 자 작업 을 수행 할 때 반 직렬 화 절 차 를 생략 하고 프로그램의 실행 효율 을 높 일 수 있 기 때 문 입 니 다.
case-class

// case-class
case class Person(id: Int, name: String, age: Int, sex: Boolean)

/**
* case-class
*/
val person: Dataset[Person] = List(
   Person(1, "zhangsan", 18, true),
   Person(2, "lisi", 28, true)
)
   .toDS()
person.select($"id", $"name")
   .show()

주:

암시 적 변환 import spark.implicits.이 문 구 는 spark 대상 의 문 구 를 가 져 온 후에 두 어야 합 니 다

case class Person(id:Int,name:String,age:Int,sex:Boolean)의 정 의 는 방법의 역할 영역 밖(즉Scala/Java의 구성원 변수 위치)

에 두 어야 합 니 다.

case 류 가 자바 로 작 성 된 경우 자바 bean 은Serializable을 실현 하고get、set방법

을 추가 해 야 합 니 다.
결과:

+---+--------+
| id|    name|
+---+--------+
|  1|zhangsan|
|  2|    lisi|
+---+--------+

Tuple(원본)

/**
 * tuple
 */
val person: Dataset[(Int, String, Int, Boolean)] = List(
	(1, "zhangsan", 18, true),
	(2, "lisi", 28, true)
)
	.toDS()
person.select($"_1", $"_2").show()

결과:

+---+--------+
| _1|      _2|
+---+--------+
|  1|zhangsan|
|  2|    lisi|
+---+--------+

json 데이터
데이터:

{"name":"  ","age":18}
{"name":"  ","age":28}
{"name":"  ","age":38}

//     long  
case class User(name: String, age: Long)

/**
 * json  
 */
spark.read
	.json("file:///Users/mashikang/IdeaProjects/spark_sql/src/main/resources/json/")
	.as[User]
	.show()

결과:

+---+----+
|age|name|
+---+----+
| 18|  |
| 28|  |
| 38|  |
+---+----+

RDD

Tuple(원조)

/**
 * RDD   
 */
val userRDD = spark.sparkContext.makeRDD(List((1,"  ",true,18,15000.0)))
userRDD.toDS().show()

결과:

+---+----+----+---+-------+
| _1|  _2|  _3| _4|     _5|
+---+----+----+---+-------+
|  1|  |true| 18|15000.0|
+---+----+----+---+-------+

case-class

// case-class
case class Person(id: Int, name: String, age: Int, sex: Boolean)

/**
 * RDD case-class
 */
val userRDD = spark.sparkContext.makeRDD(List(Person(1,"  ",18,true)))
userRDD.toDS().show()

결과:

+---+----+---+----+
| id|name|age| sex|
+---+----+---+----+
|  1|  | 18|true|
+---+----+---+----+

Dataframe create
DataFrame 은 열 이름 을 가 진 데이터 세트 로 사용자 가 직접 조작 할 수 있 기 때문에 거의 모든 DataFrame 추천 작업 은column이다.사용자 도 하나의 DataFrame 을 형식의 데이터 세트 로 볼 수 있다.
json 파일

/**
 * json
 */
val dataFrame: DataFrame = spark.read
	.json("file:///Users/mashikang/IdeaProjects/spark_sql/src/main/resources/json/")
dataFrame.printSchema()
dataFrame.show()

결과:

root
 |-- age: long (nullable = true)
 |-- name: string (nullable = true)

+---+----+
|age|name|
+---+----+
| 18|  |
| 28|  |
| 38|  |
+---+----+

case-class

case class User(id:Int,name:String,sex:Boolean)

/**
 * case-class
 */
var userDF=List(User(1,"  ",true))
	.toDF()
userDF.show()

결과:

+---+----+----+
| id|name| sex|
+---+----+----+
|  1|  |true|
+---+----+----+

Tuple(원본)

/**
 * Tuple
 */
var userDF=List((1,"  ",true))
	.toDF("id","name","sex") 
userDF.show()

결과:

+---+----+----+
| id|name| sex|
+---+----+----+
|  1|  |true|
+---+----+----+

RDD 변환

Tuple

/**
 * RDD Tuple
 */
var userDF = spark.sparkContext.parallelize(List((1, "  ", true)))
	.toDF("id", "name", "sex") //     
userDF.show()

결과:

+---+----+----+
| id|name| sex|
+---+----+----+
|  1|  |true|
+---+----+----+

case-class

/**
 * RDD case-class
 */
var userDF = spark.sparkContext.parallelize(List(User(1, "  ", true)))
	.toDF()
userDF.show()

결과:

+---+----+----+
| id|name| sex|
+---+----+----+
|  1|  |true|
+---+----+----+

RDD[Row]유형 이 DataFrame

로 전환

/**
 * RDD[Row]  
 */
var userRDD: RDD[Row] = spark.sparkContext.parallelize(List(User(1, "  ", true)))
	.map(u => Row(u.id, u.name, u.sex))
var schema = new StructType()
	.add("id", IntegerType)
	.add("name", StringType)
	.add("sex", BooleanType)
var userDF = spark.createDataFrame(userRDD, schema)
userDF.show()

결과:

+---+----+----+
| id|name| sex|
+---+----+----+
|  1|  |true|
+---+----+----+

RDD case-class

/**
 * RDD case-class
 */
var userRDD: RDD[User] = spark.sparkContext
	.makeRDD(List(User(1, "  ", true)))
var userDF = spark.createDataFrame(userRDD)
userDF.show()

결과:

+---+----+----+
| id|name| sex|
+---+----+----+
|  1|  |true|
+---+----+----+

RDD Tuple

/**
 * RDD Tuple
 */
var userRDD:RDD[(Int,String,Boolean)]=spark.sparkContext
	.makeRDD(List((1,"  ",true)))
var userDF=spark.createDataFrame(userRDD)
userDF.show()

결과:

+---+----+----+
| _1|  _2|  _3|
+---+----+----+
|  1|  |true|
+---+----+----+

DataFrame Operations(Untyped)DataFrame 유형 조작 없 음
printSchema 인쇄 Dataframe 의 표 구조(표 머리)

var df = List((1, "  ", true))
	.toDF("id", "name", "sex")
df.printSchema()

root
 |-- id: integer (nullable = false)
 |-- name: string (nullable = true)
 |-- sex: boolean (nullable = false)

show

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 15000)
)
	.toDF("id", "name", "sex", "dept", "salary")
	
df.select($"id", $"name", $"salary")
	.show()

+---+----+------+
| id|name|salary|
+---+----+------+
|  1|  zs| 15000|
|  2|  ls| 15000|
+---+----+------+

select

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 18000)
)
	.toDF("id", "name", "sex", "dept", "salary")
df.select($"id",$"name",$"sex",$"dept",$"salary" * 12 as "annual_salary")
	.show()

+---+----+-----+----+-------------+
| id|name|  sex|dept|annual_salary|
+---+----+-----+----+-------------+
|  1|  zs| true|   1|       180000|
|  2|  ls|false|   1|       216000|
+---+----+-----+----+-------------+

selectExpr

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 18000)
)
	.toDF("id", "name", "sex", "dept", "salary")
//   df.select($"id",$"name",$"sex",$"dept",$"salary" * 12 as "annual_salary")
df.selectExpr("id", "name", "sex", "dept", "salary * 12 as annual_salary")
	.show()

+---+----+-----+----+-------------+
| id|name|  sex|dept|annual_salary|
+---+----+-----+----+-------------+
|  1|  zs| true|   1|       180000|
|  2|  ls|false|   1|       216000|
+---+----+-----+----+-------------+

withColumn

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 18000)
)
	.toDF("id", "name", "sex", "dept", "salary")
df.select($"id", $"name", $"sex", $"dept", $"salary")
	.withColumn("annual_salary", $"salary" * 12)
	.show()

+---+----+-----+----+------+-------------+
| id|name|  sex|dept|salary|annual_salary|
+---+----+-----+----+------+-------------+
|  1|  zs| true|   1| 15000|       180000|
|  2|  ls|false|   1| 18000|       216000|
+---+----+-----+----+------+-------------+

withColumnRenamed

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 18000)
)
	.toDF("id", "name", "sex", "dept", "salary")

df.select($"id", $"name", $"sex", $"dept", $"salary")
	.withColumn("annula_salary", $"salary" * 12)
	.withColumnRenamed("dept", "department")
	.withColumnRenamed("name", "username")
	.show()

+---+--------+-----+----------+------+-------------+
| id|username|  sex|department|salary|annula_salary|
+---+--------+-----+----------+------+-------------+
|  1|      zs| true|         1| 15000|       180000|
|  2|      ls|false|         1| 18000|       216000|
+---+--------+-----+----------+------+-------------+

drop

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 18000)
)
	.toDF("id", "name", "sex", "dept", "salary")

df.select($"id",$"name",$"sex",$"dept",$"salary")
	.withColumn("annula_salary",$"salary" * 12)
	.withColumnRenamed("dept","department")
	.withColumnRenamed("name","username")
	.drop("sex")
	.show()

+---+--------+----------+------+-------------+
| id|username|department|salary|annula_salary|
+---+--------+----------+------+-------------+
|  1|      zs|         1| 15000|       180000|
|  2|      ls|         1| 18000|       216000|
+---+--------+----------+------+-------------+

dropDuplicates

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 1, 18000),
	(3, "ww", false, 1, 19000),
	(4, "zl", false, 1, 18000)
)
	.toDF("id", "name", "sex", "dept", "salary")
df.select($"id", $"name", $"sex", $"dept", $"salary")
	.dropDuplicates("sex", "salary")
	.show()

+---+----+-----+----+------+
| id|name|  sex|dept|salary|
+---+----+-----+----+------+
|  3|  ww|false|   1| 19000|
|  1|  zs| true|   1| 15000|
|  2|  ls|false|   1| 18000|
+---+----+-----+----+------+

orderBy|sort

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 2, 18000),
	(3, "ww", false, 2, 14000),
	(4, "zl", false, 1, 18000),
	(5, "zl", false, 1, 16000)
)
	.toDF("id", "name", "sex", "dept", "salary")
	
df.select($"id", $"name", $"sex", $"dept", $"salary")
	.orderBy($"salary" desc, $"id" asc)
	//.sort($"salary" desc,$"id" asc)
	.show()

+---+----+-----+----+------+
| id|name|  sex|dept|salary|
+---+----+-----+----+------+
|  2|  ls|false|   2| 18000|
|  4|  zl|false|   1| 18000|
|  5|  zl|false|   1| 16000|
|  1|  zs| true|   1| 15000|
|  3|  ww|false|   2| 14000|
+---+----+-----+----+------+

groupBy

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 2, 18000),
	(3, "ww", false, 2, 14000),
	(4, "zl", false, 1, 18000),
	(5, "zl", false, 1, 16000)
)
	.toDF("id", "name", "sex", "dept", "salary")
	
df.select($"id", $"name", $"sex", $"dept", $"salary")
	.groupBy($"dept")
	.max("salary")
	.show()

+----+-----------+
|dept|max(salary)|
+----+-----------+
|   1|      18000|
|   2|      18000|
+----+-----------+

유사 한 연산 자 는 max,min,avg|mean,sum,count 도 있 습 니 다.
agg

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 2, 18000),
	(3, "ww", false, 2, 14000),
	(4, "zl", false, 1, 18000),
	(5, "zl", false, 1, 16000)
)
	.toDF("id", "name", "sex", "dept", "salary")
	
import org.apache.spark.sql.functions._

df.select($"id", $"name", $"sex", $"dept", $"salary")
	.groupBy($"dept")
	.agg(max("salary") as "max_salary", avg("salary") as "avg_salary")
	.show()

+----+----------+------------------+
|dept|max_salary|        avg_salary|
+----+----------+------------------+
|   1|     18000|16333.333333333334|
|   2|     18000|           16000.0|
+----+----------+------------------+

agg 는 표현 식 도 전달 할 수 있 습 니 다.

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 2, 18000),
	(3, "ww", false, 2, 14000),
	(4, "zl", false, 1, 18000),
	(5, "zl", false, 1, 16000)
)
	.toDF("id", "name", "sex", "dept", "salary")
	
import org.apache.spark.sql.functions._

df.select($"id", $"name", $"sex", $"dept", $"salary")
	.groupBy($"dept")
	.agg(Map("salary"->"max","id"->"count"))
	.show()

+----+-----------+---------+
|dept|max(salary)|count(id)|
+----+-----------+---------+
|   1|      18000|        3|
|   2|      18000|        2|
+----+-----------+---------+

limit

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 2, 18000),
	(3, "ww", false, 2, 14000),
	(4, "zl", false, 1, 18000),
	(5, "zl", false, 1, 16000)
)
	.toDF("id", "name", "sex", "dept", "salary")

df.select($"id", $"name", $"sex", $"dept", $"salary")
	.orderBy($"id" desc)
	.limit(4)
	.show()

+---+----+-----+----+------+
| id|name|  sex|dept|salary|
+---+----+-----+----+------+
|  5|  zl|false|   1| 16000|
|  4|  zl|false|   1| 18000|
|  3|  ww|false|   2| 14000|
|  2|  ls|false|   2| 18000|
+---+----+-----+----+------+

where

var df = List(
	(1, "zs", true, 1, 15000),
	(2, "ls", false, 2, 18000),
	(3, "ww", false, 2, 14000),
	(4, "zl", false, 1, 18000),
	(5, "win7", false, 1, 16000)
)
	.toDF("id", "name", "sex", "dept", "salary")
	
df.select($"id", $"name", $"sex", $"dept", $"salary")
	//where("(name like '%s%' and salary > 15000) or name = 'win7'") 
	.where(($"name" like "%s%" and $"salary" > 15000) or $"name" === "win7")
	.show()

+---+----+-----+----+------+
| id|name|  sex|dept|salary|
+---+----+-----+----+------+
|  2|  ls|false|   2| 18000|
|  5|win7|false|   1| 16000|
+---+----+-----+----+------+

pivot(줄 전환 열)

var scoreDF = List(
	(1, "math", 85),
	(1, "chinese", 80),
	(1, "english", 90),
	(2, "math", 90),
	(2, "chinese", 80)
)
	.toDF("id", "course", "score")
	
import org.apache.spark.sql.functions._

//select id,max(case course when 'math' then score else 0 end )as math ,max(case course when 'chinese' then score else 0 end) as chinese from t_course group by id;
scoreDF.selectExpr("id", "case course when 'math' then score else 0 end as math", "case course when 'chinese' then score else 0 end as chinese", "case course when 'english' then score else 0 end as english")
	.groupBy("id")
	.agg(max($"math"), max($"chinese"), max($"english"))
	.show()

+---+---------+------------+------------+
| id|max(math)|max(chinese)|max(english)|
+---+---------+------------+------------+
|  1|       85|          80|          90|
|  2|       90|          80|           0|
+---+---------+------------+------------+

간이 표기 법

var scoreRDD = List(
	(1, "math", 85),
	(1, "chinese", 80),
	(1, "english", 90),
	(2, "math", 90),
	(2, "chinese", 80)
)
scoreRDD.toDF("id", "course", "score")
	.groupBy("id") 
	// 					    				   
	.pivot("course", scoreRDD.map(t => t._2).distinct)
	.max("score")
	.show()

+---+----+-------+-------+
| id|math|chinese|english|
+---+----+-------+-------+
|  1|  85|     80|     90|
|  2|  90|     80|   null|
+---+----+-------+-------+

na(현재 null 값 으로 바 꾸 기)

var scoreRDD = List(
	(1, "math", 85),
	(1, "chinese", 80),
	(1, "english", 90),
	(2, "math", 90),
	(2, "chinese", 80),
	(3, "math", 100)
)

scoreRDD.toDF("id", "course", "score")
	.groupBy("id")
	// 					    				   
	.pivot("course", scoreRDD.map(t => t._2).distinct)
	.max("score")
	.na.fill(Map("english" -> -1, "chinese" -> 0))
	.show()

+---+----+-------+-------+
| id|math|chinese|english|
+---+----+-------+-------+
|  1|  85|     80|     90|
|  3| 100|      0|     -1|
|  2|  90|     80|     -1|
+---+----+-------+-------+

join

case class UserCost(id: Int, category: String, totalCost: Double)
case class User(id: Int, name: String, sex: Boolean, age: Int, salary: Double)

var userCostDF = spark.sparkContext
	.parallelize(List(
		UserCost(1, "    ", 100),
		UserCost(1, "    ", 100),
		UserCost(1, "    ", 100),
		UserCost(2, "    ", 79),
		UserCost(2, "    ", 80),
		UserCost(2, "    ", 100)
	))
	.toDF()
	.withColumnRenamed("id", "uid")
val categories = userCostDF
	.select("category")
	.as[(String)]
	.rdd
	.distinct
	.collect()
var userDF = spark.sparkContext
	.parallelize(List(
		User(1, "   ", true, 18, 15000),
		User(2, "   ", true, 18, 18000),
		User(3, "   ", false, 18, 10000)
	))
	.toDF()
userDF.join(userCostDF, $"id" === $"uid", "left_outer")
	.drop("uid")
	.groupBy("id", "name")
	.pivot($"category", categories)
	.sum("totalCost")
	.na.fill(0.0)
	.show()

+---+------+--------+--------+--------+--------+--------+
| id|  name|     |     |     |     |      |
+---+------+--------+--------+--------+--------+--------+
|  1|   |   100.0|   100.0|   100.0|     0.0|     0.0|
|  3|   |     0.0|     0.0|     0.0|     0.0|     0.0|
|  2|   |     0.0|   100.0|     0.0|    79.0|    80.0|
+---+------+--------+--------+--------+--------+--------+

cube(다 차원)

import org.apache.spark.sql.functions._
List(
	(110, 50, 80, 80),
	(120, 60, 95, 75),
	(120, 50, 96, 70)
)
	.toDF("height", "weight", "IQ", "EQ")
	.cube($"height", $"weight")
	.agg(avg("IQ"), avg("EQ"))
	.show()

+------+------+-----------------+-------+
|height|weight|          avg(IQ)|avg(EQ)|
+------+------+-----------------+-------+
|   110|    50|             80.0|   80.0|
|   120|  null|             95.5|   72.5|
|   120|    60|             95.0|   75.0|
|  null|    60|             95.0|   75.0|
|  null|  null|90.33333333333333|   75.0|
|   120|    50|             96.0|   70.0|
|   110|  null|             80.0|   80.0|
|  null|    50|             88.0|   75.0|
+------+------+-----------------+-------+

Dataset Operations(Strong typed)데이터 세트 작업-강 한 유형
강 한 타 입 작업 은 모두 타 입 기반 작업 이기 때문에 Spark SQL 작업 은 Dataframe 기반 열 작업 을 추천 하기 때문에 일반적인 경우 에는 추천 하지 않 습 니 다.

val lines = Array("this is a demo", "hello spark")
val wordRDD = spark.sparkContext.makeRDD(lines)
	.flatMap(_.split("\\s+"))
	.map((_, 1))
	
import org.apache.spark.sql.expressions.scalalang.typed

val ds: Dataset[(String, Int)] = wordRDD.toDS()
ds.groupByKey(t => t._1)
	.agg(typed.sum[(String, Int)](tuple => tuple._2).name("total"))
	.filter(tuple => tuple._1.contains("o"))
	.show()

+-----+-----+
|value|total|
+-----+-----+
|hello|  1.0|
| demo|  1.0|
+-----+-----+

이 내용에 흥미가 있습니까?

현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:

Spark Streaming의 통계 소켓 단어 수

1. socket 단어 수 통계 TCP 소켓의 데이터 서버에서 수신한 텍스트 데이터의 단어 수입니다. 2. maven 설정 3. 프로그래밍 코드 입력 내용 결과 내보내기...

텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.

CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.

express 에서 get 요청 과 post 요청 가 져 오기

셸 기반(1)

좋은 웹페이지 즐겨찾기

개발자 우수 사이트 수집

개발자가 알아야 할 필수 사이트 100선 추천 우리는 당신을 위해 100개의 자주 사용하는 개발자 학습 사이트를 정리했습니다