栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Java

Spark SQL案例: 分组排行榜

Java 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Spark SQL案例: 分组排行榜

文章目录
  • 一、提出任务
  • 二、涉及知识点
    • (一)开窗函数
      • 1、开窗函数概述
      • 2、开窗函数格式
  • 三、完成任务
    • (一)新建Maven项目
    • (二)添加相关依赖和构建插件
    • (三)创建日志属性文件
    • (四)创建分组排行榜单例对象
    • (五)本地运行程序,查看结果
    • (六)交互式操作查看中间结果
      • 1、读取成绩文件得到数据集
      • 2、定义成绩样例类
      • 3、导入隐式转换
      • 4、创建成绩数据集
      • 5、将数据集转换成数据帧
      • 6、基于数据帧创建临时表
      • 7、查询临时表,实现分组排行榜
      • 8、显示分组排行榜结果
  • 四、可能会出现的问题

一、提出任务
  • 创建数据表t_grade
    * 执行查询
SELECt * FROM t_grade tg 
   WHERe (SELECt COUNT(*) FROM t_grade 
	           WHERe tg.name = t_grade.name 
						    AND score >= tg.score						 		
	        ) <= 3 ORDER BY name, score DESC;    
  • 预备工作:启动集群的HDFS与Spark
  • 将成绩文件 - grades.txt上传到HDFS上/input目录
二、涉及知识点 (一)开窗函数 1、开窗函数概述
  • Spark 1.5.x版本以后,在Spark SQL和DataFrame中引入了开窗函数,其中比较常用的开窗函数就是row_number(),该函数的作用是根据表中字段进行分组,然后根据表中的字段排序;其实就是根据其排序顺序,给组中的每条记录添加一个序号,且每组序号都是从1开始,可利用它这个特性进行分组取topN。
2、开窗函数格式
  • ROW_NUMBER() OVER (PARTITION BY field1 ORDER BY field2 DESC) rank
  • 分组求top3的SQL语句
三、完成任务 (一)新建Maven项目
  • 设置项目信息(项目名、保存位置、组编号、项目编号)
  • 将java目录改成scala目录
(二)添加相关依赖和构建插件

  • 在pom.xml文件里添加依赖与Maven构建插件


    4.0.0

    net.cb.sql
    GradeTopNBySQL
    1.0-SNAPSHOT

    
        
            org.scala-lang
            scala-library
            2.11.12
        
        
            org.apache.spark
            spark-core_2.11
            2.1.1
        
        
            org.apache.spark
            spark-sql_2.11
            2.1.1
        
    
    
        src/main/scala
        
            
                org.apache.maven.plugins
                maven-assembly-plugin
                3.3.0
                
                    
                        jar-with-dependencies
                    
                
                
                    
                        make-assembly
                        package
                        
                            single
                        
                    
                
            
            
                net.alchim31.maven
                scala-maven-plugin
                3.3.2
                
                    
                        scala-compile-first
                        process-resources
                        
                            add-source
                            compile
                        
                    
                    
                        scala-test-compile
                        process-test-resources
                        
                            testCompile
                        
                    
                
            
        
    

(三)创建日志属性文件
  • 在资源文件夹里创建日志属性文件 - log4j.properties
log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spark.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

(四)创建分组排行榜单例对象
  • 在net.cb.sql包里创建GradeTopNBySQL单例对象
package net.cb.sql

import org.apache.spark.sql.{Dataset, SparkSession}


object GradeTopNBySQL {
  def main(args: Array[String]): Unit = {
    // 创建或得到Spark会话对象
    val spark = SparkSession.builder()
      .appName("GradeTopNBySQL")
      .master("local[*]")
      .getOrCreate()
    // 读取HDFS上的成绩文件
    val lines: Dataset[String] = spark.read.textFile("hdfs://master:9000/input/grades.txt")
    // 导入隐式转换
    import spark.implicits._
    // 创建成绩数据集
    val gradeDS: Dataset[Grade] = lines.map(
      line => { val fields = line.split(" ")
        val name = fields(0)
        val score = fields(1).toInt
        Grade(name, score)
      })
    // 将数据集转换成数据帧
    val df = gradeDS.toDF()
    // 基于数据帧创建临时表
    df.createOrReplaceTempView("t_grade")
    // 查询临时表,实现分组排行榜
    val top3 = spark.sql(
      """
        |SELECT name, score FROM
        |    (SELECt name, score, row_number() OVER (PARTITION BY name ORDER BY score DESC) rank from t_grade) t
        |    WHERe t.rank <= 3
        |""".stripMargin
    )
    // 显示分组排行榜结果
    top3.show()

    // 按指定格式输出分组排行榜
    top3.foreach(row => println(row(0) + ": " + row(1)))

    // 关闭Spark会话
    spark.close()
  }

  // 定义成绩样例类
  case class Grade(name: String, score: Int)
}

(五)本地运行程序,查看结果
  • 在控制台查看输出结果
(六)交互式操作查看中间结果 1、读取成绩文件得到数据集
  • 执行命令:val lines: Dataset[String] = spark.read.textFile("hdfs://master:9000/input/grades.txt")
2、定义成绩样例类
  • 执行命令:case class Grade(name: String, score: Int)
3、导入隐式转换

4、创建成绩数据集
val gradeDS: Dataset[Grade] = lines.map(
      line => { val fields = line.split(" ")
        val name = fields(0)
        val score = fields(1).toInt
        Grade(name, score)
      })
  • 执行上述语句
5、将数据集转换成数据帧
  • 执行命令:val df = gradeDS.toDF()
6、基于数据帧创建临时表 7、查询临时表,实现分组排行榜 8、显示分组排行榜结果 四、可能会出现的问题
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/978137.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号