【SparkSQL详解】

简单介绍

   sparksql是spark的一个重要的组件,该组件主要是处理结构化的数据,从外部数据源(hive,json,.csv,parquet,orc等)读取到内存中,在内存中以DataFrame形式存在。并且spark提供了一系列API的操作。对于外部数据源的读取,借助两个比较重要的类,sqlContext和HIveContext。hiveContext继承于SqlContext,主要针对hive的操作。

    对于Dataframe而言,可以通过外部数据读取和rdd转换获得,获得的Dataframe可以注册临时表,然后可以通过sql对临时表进行操作。

sparksql由shark发展而来,shark为了兼容hive,重用了hive中的hql的解析,逻辑执行,执行计划优化等逻辑,我们可以理解为将物理执行计划由mp转为spark任务。再spark1.6之后引入了sparksession,sparksession默认市不支持sparksql,所以在创建sparksession的时候要enablesupportHive

你可能感兴趣的:(【SparkSQL详解】)