Spark SQL

Вступ до Spark SQL у Python

Mark Plutowski Phd

Data Scientist

Створіть таблицю SQL і виконайте запит

Курсор Pyspark Shell

Вступ до Spark SQL у Python

Завантаження датафрейму з файлу

df = spark.read.csv(filename)

df = spark.read.csv(filename, header=True)
Вступ до Spark SQL у Python

Створіть таблицю SQL і виконайте запит

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|
+--------+--------+-----+
Вступ до Spark SQL у Python

Перевірка схеми таблиці

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)
Вступ до Spark SQL у Python

Фрейм

Вступ до Spark SQL у Python

Датафрейм

Вступ до Spark SQL у Python

Табличні дані

+--------+-------------+-----+
|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|
+--------+-------------+-----+
Вступ до Spark SQL у Python

два датафрейми

Вступ до Spark SQL у Python

два датафрейми обʼєднані

Вступ до Spark SQL у Python

один датафрейм

Вступ до Spark SQL у Python

розділення датафрейму 1

Вступ до Spark SQL у Python

розділення датафрейму 2

Вступ до Spark SQL у Python

розділення датафрейму 3

Вступ до Spark SQL у Python

розділення датафрейму 4

Вступ до Spark SQL у Python

розділення датафрейму 5

Вступ до Spark SQL у Python

розділення датафрейму 6

Вступ до Spark SQL у Python

розділення датафрейму в розподіленому середовищі

Вступ до Spark SQL у Python

SQL

Вступ до Spark SQL у Python

Structured Query Language

Вступ до Spark SQL у Python

виконання запитів

Вступ до Spark SQL у Python

розподілені дані

Вступ до Spark SQL у Python

розподілені дані + запит

Вступ до Spark SQL у Python

Завантаження розділеного тексту

Завантажує файл з комами trainsched.txt у датафрейм df:

df = spark.read.csv("trainsched.txt", header=True)
Вступ до Spark SQL у Python

Завантаження розділеного тексту

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|
+--------+-------------+-----+
Вступ до Spark SQL у Python

Pyspark Shell

Вступ до Spark SQL у Python

Курсор Pyspark Shell

Вступ до Spark SQL у Python

Pyspark Shell

Вступ до Spark SQL у Python

Курсор Pyspark Shell

Вступ до Spark SQL у Python

Pyspark Shell

Вступ до Spark SQL у Python

Вступ до Spark SQL у Python

Pyspark Shell

Вступ до Spark SQL у Python

Курсор Pyspark Shell

Вступ до Spark SQL у Python

Pyspark Shell

Вступ до Spark SQL у Python

Курсор Pyspark Shell

Вступ до Spark SQL у Python

Pyspark Shell

Вступ до Spark SQL у Python

Курсор Pyspark Shell

Вступ до Spark SQL у Python

Давайте потренуємось

Вступ до Spark SQL у Python

Preparing Video For Download...