1、DataFrame產(chǎn)生背景

? ? ? ?Google trend —>DataFrame

? ? ? ?DataFrame不是spark SQL提出的，而是早起源于R、python

? ? ? ?Spark RDD API ?vs MapReduce API ? ? ? Threshold

? ? ? ?R／Pandas ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?One machine

2、DataFrame概述

? ? ? Dataset:分布式數(shù)據(jù)集 ?DataFrame：以列(列名、列的類型、列值)的形式構成的分布式數(shù)據(jù)集，按照列賦予不同的名稱

? ? ? Student

? ? ? id:int

? ? ? name:string

? ? ? city:string

? ? ? selecting .filtering ,aggregation and plotting structured data

3、DataFrame對比RDD

? ? ? RDD分布式數(shù)據(jù)集

? ? ?RDD:

? ? ? ? ? ? ?java/scala ==> ivm

? ? ? ? ? ? ?python ==>python runtime

? ? ?DataFrame:

? ? ? ? ? ? ?java/scala/python ==> Logic Plan

4、DataFrame基本API常用操作

5、DataFrame與RDD互操作之一

? ? ?反射

? ? ?使用反射來推斷包含特定數(shù)據(jù)類型的RDD的元數(shù)據(jù)

? ? ? 使用DataFrame API 或者sql方式編程

5、DataFrame與RDD互操作之二：編程方式

DataFrame和RDD互操作的兩種方式：

1）反射：case ?class ? ? 前提：事先需要知道你的字段、字段類型

2）編程：Row ? ? ? ? ? ? ? 如果第一種情況不能滿足你的要求(事先不知道列)

3）選型：優(yōu)先選擇第一種

6、Dataset概述

分布式數(shù)據(jù)集，1.3 DataFrame出現(xiàn) ?1.6 Dataset出現(xiàn)

DataFrame = Dataset[Row]

Dataset：強類型 ? typed ?case ?class

DataFrame：弱類型 ?Row

SQL：

? ??select name from person; compile ok,result no

DataFrame:

? ? df.select(“name’) ? ? compile no

? ? df.select(“nname’) ? compile ok

Dataset

? ? ds.map(line => line.itemid) ??compile no

?

注意：代表中標紅是由于沒有放到帶有相應包的文件中

總結

以上是生活随笔為你收集整理的Spark DataFrameDataSet的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。