1.Spark SQL 基本操作
将下列 JSON 格式数据复制到 Linux 系统中,并保存命名为 employee.json。
{ "id":1 , "name":" Ella" , "age":36 }
{ "id":2, "name":"Bob","age":29 }
{ "id":3 , "name":"Jack","age":29 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":5 , "name":"Damon" }
{ "id":5 , "name":"Damon" }
为 employee.json 创建 DataFrame,并写出 Scala 语句完成下列操作:
将下列 json 数据复制到你的 ubuntu 系统/usr/local/spark 下,并保存命名为 employee.json。
scala> import org.apache.spark.sql.SparkSession
scala> val spark=SparkSession.builder().getOrCreate()
scala> import spark.implicits._
scala> val df = spark.read.json("file:///usr/local/spark/employee.json")
(1) 查询所有数据;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326191950174-1012628717.png)
(2) 查询所有数据,并去除重复的数据;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326192001839-1764776876.png)
(3) 查询所有数据,打印时去除 id 字段;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326192013436-470569675.png)
(4) 筛选出 age>30 的记录;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326192026879-1418482534.png)
(5) 将数据按 age 分组;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326192038891-2116543909.png)
(6) 将数据按 name 升序排列;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326192048172-1276506413.png)
(7) 取出前 3 行数据;
(8) 查询所有记录的 name 列,并为其取别名为 username;
![](https://img2018.cnblogs.com/blog/1212552/201903/1212552-20190326192106216-115865612.png)
(9) 查询年龄 age 的平均值;
(10) 查询年龄 age 的最小值。
2.编程实现将 RDD 转换为 Da