2023學年完整公開課版Parquet文件_第1頁
2023學年完整公開課版Parquet文件_第2頁
2023學年完整公開課版Parquet文件_第3頁
2023學年完整公開課版Parquet文件_第4頁
2023學年完整公開課版Parquet文件_第5頁
已閱讀5頁,還剩7頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

Parquet文件SparkSQL-Parquet文件示例/01SparkSQL-Parquet文件SparkSQL-Parquet文件Parquet是一種柱狀格式,由許多數(shù)據(jù)處理系統(tǒng)支持。具有柱狀存儲的優(yōu)點如下:1、列存儲限制IO操作。2、列式存儲可以獲取您需要訪問的特定列。3、列式存儲占用更少的空間。4、列式存儲提供更好的摘要數(shù)據(jù),并遵循類型特定的編碼。SparkSQL提供對讀取和寫入自動捕獲原始數(shù)據(jù)模式的鑲木地板文件的支持。像JSON數(shù)據(jù)集一樣,parquet文件遵循相同的過程。讓我們再看一下名為employee.parquet的員工記錄數(shù)據(jù)放在spark-shell正在運行的同一目錄中的相同示例。/02示例

給定數(shù)據(jù)-不要將員工記錄的輸入數(shù)據(jù)轉(zhuǎn)換為鑲木地板格式。我們使用以下命令將RDD數(shù)據(jù)轉(zhuǎn)換為Parquet文件。

放置employee.json文檔,我們在之前的示例中用作輸入文件。示例(一)

無法顯示拼貼文件。它是一個目錄結構,您可以在當前目錄中找到它。如果要查看目錄和文件結構,請使用以下命令。

以下命令用于讀取,注冊到表以及對其應用一些查詢。

打開SparkShell

使用以下示例啟動Sparkshell示例(二)創(chuàng)建SQLContext對象

使用以下命令生成SQLContext。這里,sc表示SparkContext對象。從文本文件讀取輸入

通過使用以下語句從名為employee.parquet的parquet文件讀取數(shù)據(jù)來創(chuàng)建RDDDataFrame示例(三)示例(四)將DataFrame存儲到表中

使用以下命令將DataFrame數(shù)據(jù)存儲到名為employee的表中。在這個命令之后,我們可以應用所有類型的SQL語句。員工表已準備就緒?,F(xiàn)在讓我們使用SQLContext.sql()方法在表上傳遞一些SQL查詢。

選擇DataFrame上的查詢

使用以下命令從employee表中選擇所有記錄。這里,我們使用變量allrecords來捕獲所有記錄數(shù)據(jù)。要顯示這些記錄,請調(diào)用show()方法。要查看allrecords數(shù)據(jù)源的結果數(shù)據(jù),請使用以下命令。要查看allrecords數(shù)據(jù)源的結果數(shù)據(jù),請使用以下命令。輸出:

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論