网站深度功能,社交网站开发项目计划报告,哪里推广效果比较好,网站开发需要自己写代码吗文章目录 1. 实战概述2. 实战步骤2.1 创建数据集2.2 创建数据模型对象2.2.1 创建常量2.2.2 创建加载数据方法2.2.3 创建过滤年龄方法2.2.4 创建平均薪水方法2.2.5 创建主方法2.2.6 查看完整代码 2.3 运行程序#xff0c;查看结果 3. 实战小结 1. 实战概述
在本次实战中#… 文章目录 1. 实战概述2. 实战步骤2.1 创建数据集2.2 创建数据模型对象2.2.1 创建常量2.2.2 创建加载数据方法2.2.3 创建过滤年龄方法2.2.4 创建平均薪水方法2.2.5 创建主方法2.2.6 查看完整代码 2.3 运行程序查看结果 3. 实战小结 1. 实战概述
在本次实战中创建一个名为DataModel的Spark SQL数据模型对象用于演示如何加载数据集、过滤数据以及计算统计信息。首先在项目根目录下创建data目录并在其中创建了包含员工信息的employees.json文件。然后创建DataModel对象并定义spark常量以及三个方法loadData()、filterAge()和avgSalary()分别用于加载数据、过滤年龄大于20岁的员工和计算不同性别的平均工资。最后在main()方法中调用这些方法来执行数据处理任务。
2. 实战步骤
2.1 创建数据集
在项目根目录创建data目录 在data里创建employees.json
{name: 赵天宇, gender: 男, age: 19, salary: 10000}
{name: 钱文博, gender: 男, age: 29, salary: 8000}
{name: 孙志强, gender: 男, age: 39, salary: 9000}
{name: 李明宇, gender: 男, age: 22, salary: 11000}
{name: 周雨涵, gender: 女, age: 19, salary: 14000}
{name: 吴美琪, gender: 女, age: 35, salary: 10000}2.2 创建数据模型对象 创建net.huawei.practice包 在practice子包里创建DataModel对象
2.2.1 创建常量
在DataModel对象里创建spark常量
// 获取或创建Spark会话对象
val spark SparkSession.builder() // 创建Builder对象 .appName(DataModel) // 设置应用程序名称 .master(local[*]) // 运行模式本地运行 .getOrCreate() // 获取或创建Spark会话对象 2.2.2 创建加载数据方法 loadData()方法的需求说明其主要功能是加载指定路径的文件并生成 DataFrame。方法接受一个字符串类型的参数 filePath表示文件的路径。执行流程包括使用 spark.read.json(filePath) 方法读取 JSON 文件并创建 DataFrame然后将生成的 DataFrame 返回给调用者。此方法简化了从文件加载数据到 DataFrame 的过程提高了数据处理的效率和便捷性。 创建loadData()方法
// 加载数据方法
def loadData(): DataFrame { // 加载数据得到数据帧对象 val fileDF spark.read.json(data/employees.json) // 返回数据帧对象 fileDF
} 2.2.3 创建过滤年龄方法
filterAge() 方法的需求说明该方法用于过滤 DataFrame 中年龄大于20岁的数据并将结果打印到控制台。方法接受一个 DataFrame 类型的参数 employeeDF表示原始 JSON 文件对应的 DataFrame 实例对象。方法不返回任何值返回类型为 Unit。核心思路包括使用 DataFrame 的 filter 方法根据条件过滤数据然后使用 show 方法打印过滤后的结果。此方法简化了数据过滤和展示的过程有助于快速分析和查看特定条件下的数据。创建filterAge()方法
// 过滤年龄方法
def filterAge(employeeDF: DataFrame): Unit { // 过滤年龄大于20岁的员工 val filterAgeDF employeeDF.filter(age 20) // 显示过滤后的数据 filterAgeDF.show()
} 2.2.4 创建平均薪水方法
avgSalary() 方法其需求是计算并打印 DataFrame 中不同性别的平均收入。方法接受一个 DataFrame 类型的参数 employeeDF表示原始 JSON 文件对应的 DataFrame 实例对象。方法不返回任何值返回类型为 Unit。核心思路包括使用 createOrReplaceTempView 方法将 DataFrame 注册为临时表然后通过 SQL 查询计算不同性别的平均收入最后使用 show 方法将结果打印到控制台。此方法简化了数据处理流程有助于快速分析和展示特定统计信息。创建avgSalary()方法
// 计算平均工资方法
def avgSalary(employeeDF: DataFrame): Unit { // 根据输入参数注册临时表 employeeDF.createOrReplaceTempView(employee) // 计算平均工资 val avgSalaryDF spark.sql( s |SELECT | gender, avg(salary) AS avg_salary |FROM | employee |GROUP BY | gender |.stripMargin ) // 显示平均工资 avgSalaryDF.show()
} 2.2.5 创建主方法
main() 方法该方法是程序的入口点用于调用 filterAge 和 avgSalary 方法。main 方法接受一个 Array[String] 类型的参数 args这些参数可以在程序执行时从外部传递使得程序能够动态使用这些参数而无需修改代码。main 方法不返回任何值返回类型为 Unit。业务代码的核心思路是首先调用 loadData() 方法加载数据然后将返回的 DataFrame 传递给 filterAge 和 avgSalary 方法进行处理。这种方法结构清晰便于管理和扩展程序功能。创建main()方法
// 主方法
def main(args: Array[String]): Unit { // 调用过滤年龄方法 filterAge(loadData()) // 调用计算平均工资方法 avgSalary(loadData())
} 2.2.6 查看完整代码
package net.huawei.practiceimport org.apache.spark.sql.{DataFrame, SparkSession}/*** 功能数据模型演示* 作者华卫* 日期2025年01月16日*/
object DataModel {// 获取或创建Spark会话对象val spark SparkSession.builder() // 创建Builder对象.appName(DataModel) // 设置应用程序名称.master(local[*]) // 运行模式本地运行.getOrCreate() // 获取或创建Spark会话对象// 加载数据方法def loadData(): DataFrame {// 加载数据得到数据帧对象val fileDF spark.read.json(data/employees.json)// 返回数据帧对象fileDF}// 过滤年龄方法def filterAge(employeeDF: DataFrame): Unit {// 过滤年龄大于20岁的员工val filterAgeDF employeeDF.filter(age 20)// 显示过滤后的数据filterAgeDF.show()}// 计算平均工资方法def avgSalary(employeeDF: DataFrame): Unit {// 根据输入参数注册临时表employeeDF.createOrReplaceTempView(employee)// 计算平均工资val avgSalaryDF spark.sql(s|SELECT| gender, avg(salary) AS avg_salary|FROM| employee|GROUP BY| gender|.stripMargin)// 显示平均工资avgSalaryDF.show()}// 主方法def main(args: Array[String]): Unit {// 调用过滤年龄方法filterAge(loadData())// 调用计算平均工资方法avgSalary(loadData())}
}2.3 运行程序查看结果
运行DataModel对象
3. 实战小结
在本次拓展练习中我们通过创建一个 SparkSQL 数据模型综合实践项目深入理解了 Spark 中的数据模型和数据处理流程。首先我们在项目根目录下创建了 data 目录并在其中创建了 employees.json 文件用于存储员工数据。接着我们创建了 DataModel 对象并在其中定义了 spark 常量和三个方法loadData()、filterAge() 和 avgSalary()分别用于加载数据、过滤年龄大于20岁的员工和计算不同性别的平均薪水。在 main() 方法中我们调用了这些方法来执行数据处理任务。通过这个练习我们不仅学会了如何在 Spark 中操作 DataFrame还学会了如何将数据处理逻辑封装成方法提高了代码的可读性和可维护性。此外我们还学会了如何使用 SQL 查询来分析数据这在处理结构化数据时非常有用。总的来说这个练习帮助我们更好地理解了 SparkSQL 的数据模型和数据处理流程为今后的数据处理工作打下了坚实的基础。
