1.1 Spark SQL 是什么
Spark SQL 是 Apache Spark 的用于处理结构化数据(Structured Data)的模块。
1.2 Spark SQL 特点
集成: Spark 程序可实现与 SQL 查询的无缝对接。我们可以通过 Java、Scala、Python 或 R 语言利用 Spark SQL 将结构化数据作为 Spark 中的弹性分布式数据集(RDD)进行查询。
统一的数据访问: DataFrames 和 SQL 提供了访问各种数据源的通用方法,包括 Hive、Avro、Parquet、ORC、JSON 和 JDBC。
兼容 Hive: 可实现在现有仓库上运行 SQL 或 HiveQL 查询。Spark SQL 支持 HiveQL 语法以及 Hive SerDes 和 UDF。
标准数据连接: 通过 JDBC 或 ODBC 连接。
1.3 Spark SQL 数据抽象
Spark Core 中的数据抽象为 RDD(弹性分布式数据集),Spark SQL 中的数据抽象为 DataFrame、DataSet。
RDD、DataFrame、DataSet 在版本上的区别:
RDD (Spark1.0) —> Dataframe(Spark1.3) —> Dataset(Spark1.6)
DataFrame 与 DataSet的关系:
在 Spark API 中,DataFrame=DataSet[Row]
1.3.1 DataFrame
DataFrame 是一种以 RDD 为基础的分布式数据集,具备 RDD 的优点。DataFrame 在概念上等同于关系数据库中的表或 R、Python(Pandas)中的 DataFrame。
DataFrame 与 RDD 的区别在于,DataFrame 带有 schema 元信息,及每一列的名称和类型。RDD是分布式的Java对象的集合。DataFrame 是分布式的Row对象的集合。DataFrame除了提供了比RDD更丰富的算子以外,更重要的特点是提升执行效率、减少数据读取以及执行计划的优化。
与 Hive 类似,DataFrame 支持嵌套数据类型(struct、array、map)。
DataFrame 作为一种抽象,不能直接用来使用,其提供了 Schema 视图,可当作数据库中的表进行操作。
DataFrame 是懒加载的,性能上比 RDD 更高,借势于 Spark SQL Catalyst优化器(树变换框架)。
1.3.2 DataSet
DataSet 是分布式数据集合,是在 Spark 1.6 对 DataFrame,具备 RDD 的优势(强类型、使用 Lambda 函数的能力)及 Spark SQL 优化执行引擎的优点。DataSet 可使用 RDD 的转换因子(如 map、flatMap、filter 等)。
DataSet 是强类型的,DataSet 可利用样例类作为泛型来定义数据的结构信息,样例类的每个属性的名称可直接映射为 DataSet 的字段名称,比如DataSet[Person]。
DataFrame 是 DataSet 的特例,DataFrame=DataSet[Row]。DataFrame 只知道字段不知道字段的类型,所以在编译的时候无法检查类型,只有执行期才会报错;DataSet 知道字段和类型,具备严格的类型检查。
1.4 RDD、DataFrame、DataSet
1.4.1 三者共性
RDD、DataFrame、DataSet 都是 Spark 平台下的分布式弹性数据集。
三者都有惰性机制,即在进行创建、转换时不会立即执行,只有遇到 Action 时,三者才会开始遍历运算。
三者都会根据 Spark 的内存情况自动缓存运算,即使数据量很大,也不用担心内存溢出。
三者都有 Partition(分区)的概念。
DataFrame、DataSet 均可使用模式匹配获取各个字段的值和类型。
1.4.2 三者区别
RDD:
RDD 一般和 Spark ML 同时使用
RDD 不支持 SparkSQL 操作
DataFrame:
DataFrame 每一行的类型固定为 ROW,只有通过解析才能获取到各个字段的值
DataFrame 与 DataSet 都支持 SparkSQL 操作,比如 select、groupby、注册临时View、进行 SQL 语句操作等
DataFrame 与 DataSet 都支持方便的保存方式,比如保存成 csv、json 等
DataSet:
DataSet 与 DataFrame 拥有完全相同的成员函数,区别在于每一行行的数据类型不同
DataSet 支持使用案例类作为每行类型,DataFrame 为 DataSet[Row],即每行类型为 Row
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。