了解Spark SQL的一些基础知识

Question

我正在关注http://spark.apache.org/docs/latest/sql-programming-guide.html

输入后：

val df = spark.read.json("examples/src/main/resources/people.json")

// Displays the content of the DataFrame to stdout
df.show()
// +----+-------+
// | age|   name|
// +----+-------+
// |null|Michael|
// |  30|   Andy|
// |  19| Justin|
// +----+-------+

我有一些问题，我没有看到答案。

首先，什么是$ -notation？如在

 df.select($"name", $"age" + 1).show()

其次，我可以从第二行获取数据（我不知道第二行中的数据是什么）。

第三，你如何用spark sql读取彩色图像？

4，我仍然不确定spark中的数据集和数据帧之间有什么区别。变量df是一个数据帧，所以我可以将“Michael”改为整数5吗？我可以在数据集中执行此操作吗？

Answer 1

1. $不是注释。它是a method call（new ColumnName("name")的捷径）。
2. 你不会。 Spark SQL没有行索引的概念。
3. 你不会。您可以使用具有特定输入格式的低级RDD API（如来自HIPI项目的格式）然后进行转换。
4. Difference between DataSet API and DataFrame

Answer 2

1）对于问题1，$符号用作选择列并在其上应用函数的快捷方式。例如：

df.select($"id".isNull).show

这可以是其他明智的写作

df.select(col("id").isNull)

2）Spark没有索引，但是对于原型设计，你可以使用df.take(10)(i)，其中i可能是你想要的元素。注意：每次对基础数据进行分区时，行为可能会有所不同。