?
Table of Contents
1. spark sql2. SQLContext2.1. sql context是spark sql的所有功能入口点2.2. 通过spark context创建sql context2.3. hive context功能上多于sql context，未来sql context也会增加功能3. DataFrames3.1. 功能3.2. 创建DataFrames3.3. DSL
1 spark sql
是spark的一个模块处理结构化数据提供了DataFrames作为
编程的抽象层同时也是一个分布式sql查询引擎可以从hive中读取数据
2 SQLContext
2.1 sql context是spark sql的所有功能入口点
2.2 通过spark context创建sql context
val sc: SparkContext // An existing SparkContext.
val sqlContext = new org.apache.spark.sql.SQLContext(sc)
注意，上面的val sc: …其实不需要写，因为启动spark-shell的时候有这么一个提示, 所以直接用就好。
Spark context available as sc.
2.3 hive context功能上多于sql context，未来sql context也会增加功能
不过由于我对hive不感兴趣，不会创建hive context
3 DataFrames
3.1 功能
分布式数据集合列的方式组织理解为关系
数据库的表可以从结构化文件，hive表，外部数据库或者RDD构造
3.2 创建DataFrames
通过SQLContext创建DataFrames，可以从外部文件，hive表或者RDD来创建。 为了测试本地文件，启动spark-shell的时候不要用–master连接spark master, 否则会提示找不到本地文件。 而如果想访问hdfs文件，启动spark-shell的时候要用–master。
scala> val sqlContext = new org.apache.spark.sql.SQLContext(sc)
sqlContext: org.apache.spark.sql.SQLContext = org.apache.spark.sql.SQLContext@5d9ac1ff
scala> val df = sqlContext.read.json("/home/smile/people.json")
df: org.apache.spark.sql.DataFrame = [age: bigint, name: string]
scala> df.printSchema()
df.printSchema()
root
|-- age: long (nullable = true)
|-- name: string (nullable = true)
scala> df.show()
df.show()
+---+----+
|age|name|
+---+----+
| 38|Dean|
+---+----+
3.3 DSL
DataFrames提供了DSL方面对结构化数据进行操作，都是些函数，比如select, df, printSchema, show, groupBy, filter等。
scala> df.select("name").show()
+----+
|name|
+----+
|Dean|
+----+