RDD转换成DataFrame的两种方法

1.根据反射推断schema

import org.apache.spark.{SparkContext, SparkConf}import org.apache.spark.sql.SQLContextobject createDF {  // 方法1 根据包括case class数据的RDD转换成DataFrame  // case class定义表的schema，case class的属性会被读取并且成为列的名字  case class Person(name: String, age: Int)  def main(args: Array[String]): Unit = {    val conf = new SparkConf().setAppName("sparkSQLTest").setMaster("local")    val sc = new SparkContext(conf)    val sqlContext = new SQLContext(sc)    //先将RDD转化成case class 数据类型，然后再通过toDF()方法隐式转换成DataFrame    import sqlContext.implicits._    val people = sc.textFile("your file path").map(_.split(",")).map(p =>Person(p(0), p(1).trim.toInt)).toDF()    //注册成一个表    people.registerTempTable("peopleTable")    //然后可以对表进行各种操作，比如打印出13到19岁青少年的姓名    val teenagers = sqlContext.sql("SELECT name, age FROM people WHERE age >= 13 AND age <= 19")    teenagers.map(t => "Name: " + t(0)).collect().foreach(println)  }}

2.使用Programmatically的方式指定Schema

import org.apache.spark.{SparkContext, SparkConf}import org.apache.spark.sql.SQLContextimport org.apache.spark.sql.types.{StringType, IntegerType, StructField, StructType}import org.apache.spark.sql.Rowobject createDF {  def main(args: Array[String]): Unit = {    val conf = new SparkConf().setAppName("sparkSQLTest").setMaster("local")    val sc = new SparkContext(conf)    val sqlContext = new SQLContext(sc)    //step1: 从原来的 RDD 创建一个行的 RDD    val peopleRow = sc.textFile("your file path").map(_.split(",")).map(p => Row(p(0), p(1)))    //step2: 创建由一个 StructType 表示的模式, 并且与第一步创建的 RDD 的行结构相匹配    //构造schema用到了两个类StructType和StructFile，其中StructFile类的三个参数分别是(字段名称，类型，数据是否可以用null填充)    val schema = StructType(Array(StructField("name", StringType, true), StructField("age", IntegerType, true)))    //step3.在行 RDD 上通过 createDataFrame 方法应用模式    val people = sqlContext.createDataFrame(peopleRow, schema)    people.registerTempTable("peopleTable")    //然后可以对表进行各种操作，比如打印出13到19岁青少年的姓名    val teenagers = sqlContext.sql("SELECT name, age FROM people WHERE age >= 13 AND age <= 19")    teenagers.map(t => "Name: " + t(0)).collect().foreach(println)  }}