今天完成了实验五的第一个，熟悉了Spark SQL 基本操作，在安装插件的时候也遇到了以下的问题
首先是在弄scala插件的时候，当scala安装成功后报错
1、Could not create the view: org.apache.hadoop.eclipse.view.servers
然后eclipse的所有关于hadoop的东西消失。
解决方法：
遇到这个问题时，网上方法大多如删除.metadata文件，尝试此方法后没有作用；最简单的方法是卸载eclipse，重新安装；比起试那些解决方法，这个更加省时间；
eclipse加载第三方插件时，如果eclipse版本是高版本（网上说是3.5以上），会有一个dropins这个文件；所以可以将要加载的jar包解压后复制到eclipse-dropins文件下，restart eclipse就OK；千万不要复制到plugins文件下，特别容易导致出错！！！
试了各种解决方法都没有解决，无奈之下重新安装了eclipse，然后在跟着教程走了一遍，成功解决。
2、安装好了scala插件之后进入eclipse报错
JDT Weaving is currently disabled.The Scala IDE needs JDT Weaving to be active,or it will not work as expected.
Activate JDT Weaving and restart Eclipse?(Highly Recommended)
解决方法：
本人安装scala插件是在scala下载的解压包，解压后复制到eclipse的dropins文件下的然后虽然有了scala但是进入eclipse报的错，我想可能是因为解压包中有artifacts.jar、content.jar和site.xml。
在网上查阅资料后得知如果压缩包中只包含features和plugins文件夹可以直接复制到eclipse的dropins文件下。但如果包含artifacts.jar、content.jar和site.xml上述操作很可能会失败。建议在eclipse中在线下载
于是
点击help——install new software
点击Add
选择name后面的Local按钮
选择刚才下载下来的解压目录，确定后会出现几个插件选项，我全选了，然后就是一路next。成功
如果在线下载报错无法解决的话，可以直接去官网下载解压包，然后在install new software下载解压包中的东西。
然后是今天的实验。
将下列 json 数据复制到你的 ubuntu 系统/usr/local/spark 下，并保存命名为 employee.json。
{ "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":5 ,"name":"Damon" }
{ "id":5 ,"name":"Damon" }
为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：
scala> import org.apache.spark.sql.SparkSession
scala> val spark=SparkSession.builder().getOrCreate()
scala> import spark.implicits._
scala> val df = spark.read.json("file:///usr/local/spark/employee.json")
(1) 查询所有数据；
(2) 查询所有数据，并去除重复的数据；
scala> df.distinct().show()
(3) 查询所有数据，打印时去除 id 字段；
scala> df.drop("id").show()
(4) 筛选出 age>30 的记录；
scala> df.filter(df("age") > 30 ).show()
(5) 将数据按 age 分组；
scala> df.groupBy("name").count().show()
(6) 将数据按 name 升序排列；
scala> df.sort(df("name").asc).show()
(7) 取出前 3 行数据；
scala> df.take(3) 或 scala> df.head(3)
(8) 查询所有记录的 name 列，并为其取别名为 username；
scala> df.select(df("name").as("username")).show()
(9) 查询年龄 age 的平均值；
scala> df.agg("age"->"avg")
(10) 查询年龄 age 的最小值。
scala> df.agg("age"->"min")
未解决的问题：
在用eclipse编写scala项目的时候产生了包导入失败相关的报错，然后配置文件的版本说找不到。明天解决，并进行下边的实验。