ac86u做网站服务器全国最好的广告公司加盟

什么是sparksession对象

spark2.0之后，sparksession对象是spark编码的统一入口对象，通常我们在rdd编程时，需要SparkContext对象作为RDD编程入口，但sparksession对象既可以作为RDD编程对象入口，在sparkcore编程中可以通过它来获取sparkcontext对象进行rdd编程，也可以直接作为sparksql编程入口对象

sparksession对象构建案例

# coding:utf8
# sparksql中入口对象是SparkSession对象
from pyspark.sql import SparkSessionif __name__ == '__main__':# 构建sparksession对象，构建器模式spark = SparkSession.builder.\appName("mysparkTest").\master("local[*]").\config("spark.sql.shuffle.partitions", "4").\getOrCreate()# appName设置程序名称# local: 表示 Spark 将在本地模式下运行，即不会连接到任何集群管理器（如 YARN、Mesos 或 Kubernetes）。这通常用于开发和测试目的。# [*]: 这是一个特殊的语法，它告诉 Spark 使用所有可用的处理器核心来执行。星号 (*) 是一个占位符，它会被替换为当前机器上的处理器核心数。# config设置一些常用属性，不想设置可以不用写# getOrCreate创建sparksession对象# 通过SparkSession来获取SparkContext对象sc = spark.SparkContext# 读取csv格式文件，返回DataFrame格式的数据df = spark.read.csv("my_csv_file.csv", sep=',', header = False)# 给df加上表头，并赋值给新的df2df2 = df.toDF("id", "name", "age")# 打印df2表结构df2.printSchema()# 展示df2df2.show()# 创建临时视图，用于sql操作df2.createTempView("score")# SQL风格操作spark.sql("SELECT * FROM score where age=11 limit 5").show()# DSL风格df2.where("age=11").limit(5).show()