Spark SQL

Введение в Spark SQL на Python

Mark Plutowski Phd

Data Scientist

Создание SQL-таблицы и запрос к ней

Курсор PySpark Shell

Введение в Spark SQL на Python

Загрузка датафрейма из файла

df = spark.read.csv(filename)

df = spark.read.csv(filename, header=True)
Введение в Spark SQL на Python

Создание SQL-таблицы и запрос к ней

df.createOrReplaceTempView("schedule")

spark.sql("SELECT * FROM schedule WHERE station = 'San Jose'")
     .show()

+--------+--------+-----+
|train_id| station| time|
+--------+--------+-----+
|     324|San Jose|9:05a|
|     217|San Jose|6:59a|
+--------+--------+-----+
Введение в Spark SQL на Python

Просмотр схемы таблицы

result = spark.sql("SHOW COLUMNS FROM tablename")

result = spark.sql("SELECT * FROM tablename LIMIT 0")

result = spark.sql("DESCRIBE tablename")

result.show()

print(result.columns)
Введение в Spark SQL на Python

Фрейм

Введение в Spark SQL на Python

Данные датафрейма

Введение в Spark SQL на Python

Табличные данные

+--------+-------------+-----+
|train_id|      station| time|
+--------+-------------+-----+
|     324|San Francisco|7:59a| 
|     324|  22nd Street|8:03a|
|     324|     Millbrae|8:16a|
|     324|    Hillsdale|8:24a|
|     324| Redwood City|8:31a|
|     324|    Palo Alto|8:37a|
|     324|     San Jose|9:05a|
|     217|       Gilroy|6:06a|
|     217|   San Martin|6:15a|
|     217|  Morgan Hill|6:21a|
|     217| Blossom Hill|6:36a|
|     217|      Capitol|6:42a|
|     217|       Tamien|6:50a|
|     217|     San Jose|6:59a|
+--------+-------------+-----+
Введение в Spark SQL на Python

два датафрейма

Введение в Spark SQL на Python

два датафрейма объединены

Введение в Spark SQL на Python

один датафрейм

Введение в Spark SQL на Python

разбиение датафрейма 1

Введение в Spark SQL на Python

разбиение датафрейма 2

Введение в Spark SQL на Python

разбиение датафрейма 3

Введение в Spark SQL на Python

разбиение датафрейма 4

Введение в Spark SQL на Python

разбиение датафрейма 5

Введение в Spark SQL на Python

разбиение датафрейма 6

Введение в Spark SQL на Python

разбиение датафрейма — распределённый режим

Введение в Spark SQL на Python

SQL

Введение в Spark SQL на Python

Structured Query Language

Введение в Spark SQL на Python

запрос к данным

Введение в Spark SQL на Python

распределённые данные

Введение в Spark SQL на Python

распределённые данные + запрос

Введение в Spark SQL на Python

Загрузка текста с разделителями

Загружает файл trainsched.txt с разделителями-запятыми в датафрейм df:

df = spark.read.csv("trainsched.txt", header=True)
Введение в Spark SQL на Python

Загрузка текста с разделителями

df = spark.read.csv("trainsched.txt", header=True)
df.show()

+--------+-------------+-----+
|train_id|      station| time|
+--------+-------------+-----+
|     324|San Francisco|7:59a|
|     324|  22nd Street|8:03a|
|     324|     Millbrae|8:16a|
|     324|    Hillsdale|8:24a|
|     324| Redwood City|8:31a|
|     ...|          ...|  ...|
|     217| Blossom Hill|6:36a|
|     217|      Capitol|6:42a|
|     217|       Tamien|6:50a|
|     217|     San Jose|6:59a|
+--------+-------------+-----+
Введение в Spark SQL на Python

PySpark Shell

Введение в Spark SQL на Python

Курсор PySpark Shell

Введение в Spark SQL на Python

PySpark Shell

Введение в Spark SQL на Python

Курсор PySpark Shell

Введение в Spark SQL на Python

PySpark Shell

Введение в Spark SQL на Python

Введение в Spark SQL на Python

PySpark Shell

Введение в Spark SQL на Python

Курсор PySpark Shell

Введение в Spark SQL на Python

PySpark Shell

Введение в Spark SQL на Python

Курсор PySpark Shell

Введение в Spark SQL на Python

PySpark Shell

Введение в Spark SQL на Python

Курсор PySpark Shell

Введение в Spark SQL на Python

Давайте потренируемся!

Введение в Spark SQL на Python

Preparing Video For Download...