Spark SQL 基本操作
将下列 JSON 格式数据复制到 Linux 系统中，并保存命名为 employee.json。
json数据
{ "id":1 ,"name":"Ella","age":36}
{ "id":2,"name":"Bob","age":29 }
{ "id":3 ,"name":"Jack","age":29}
{ "id":4 ,"name":"Jim","age":28}
{ "id":4 ,"name":"Jim","age":28}
{ "id":5 ,"name":"Damon" }
{ "id":5 ,"name":"Damon" }
命令行：
cd /usr/local/spark bin/spark-shell import org.apache.spark.sql.SparkSession val spark=SparkSession.builder().getOrCreate() import spark.implicits._ val df = spark.read.json("file:///usr/local/spark/employee.json")
为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：
（1）查询所有数据；
df.show()
（2）查询所有数据，并去除重复的数据；
df.distinct().show()
（3）查询所有数据，打印时去除 id 字段；
df.drop("id").show()
（4）筛选出 age>30 的记录；
df.filter(df("age") > 30 ).show()
（5）将数据按 age 分组；
df.groupBy("age").count().show()
（6）将数据按 name 升序排列；
df.sort(df("name").asc).show()
（7）取出前 3 行数据；
df.take(3)
或
df.head(3)
（8） 查询所有记录的 name 列，并为其取别名为 username；
df.select(df("name").as("username")).show()
（9）查询年龄 age 的平均值；
df.agg("age"->"avg").show()
(10)查询年龄 age 的最小值。
df.agg("age"->"min").show()
