在安装目录的bin目录打开spark-shell.cmd，输入如下，按tab健，查看可执行数据源
spark.read.
在安装目录D:\spark-3.0.0-bin-hadoop3.2\bin\input新建user.json
{"username":"chen","age":3}
{"username":"chen2","age":4}
{"username":"chen3","age":5}
SQL 语法
执行如下，获取json数据源
val df=spark.read.json("D:\\spark-3.0.0-bin-hadoop3.2\\bin\\input\\user.json")
回车，再输入
df.show
得到如下结果
创建临时视图
df.createTempView("user")
创建临时视图，替换原来表，防止重复
df.createOrReplaceTempView("user")
接下来就可以用sql语句查表了
spark.sql("select * from user").show
得到如下结果
查某个字段
spark.sql("select username from user").show
DSL 语法
查看 DataFrame 的 Schema 信息
df.printSchema
查看DataFrame里面的方法
df.
计算年龄加1
df.select('username, 'age + 1 as "age").show()
查看age大于30的数据
df.filter($"age">30).show
按照"age"分组，查看数据条数
df.groupBy("age").count.show
DataFrame 转换为 RDD
val rdd=sc.makeRDD(List(1,2))
查看rdd命令
val df= rdd.toDF("id")
df.show
创建 DataSe
case class Person(name: String, age: Long)
val caseClassDS = Seq(Person("zhangsan",2)).toDS()
caseClassDS.show
RDD、DataFrame、DataSet 三者的关系
在 SparkSQL 中 Spark 为我们提供了两个新的抽象，分别是 DataFrame 和 DataSet。他们和 RDD 有什么区别呢？首先从版本的产生上来看：
➢ Spark1.0 => RDD
➢ Spark1.3 => DataFrame
➢ Spark1.6 => Dataset
如果同样的数据都给到这三个数据结构，他们分别计算之后，都会给出相同的结果。不同是的他们的执行效率和执行方式。在后期的 Spark 版本中，DataSet 有可能会逐步取代 RDD和 DataFrame 成为唯一的 API 接口。
三者的共性
➢ RDD、DataFrame、DataSet 全都是 spark 平台下的分布式弹性数据集，为处理超大型数据提供便利;
➢ 三者都有惰性机制，在进行创建、转换，如 map 方法时，不会立即执行，只有在遇到Action 如 foreach 时，三者才会开始遍历运算;
➢ 三者有许多共同的函数，如 filter，排序等;
➢ 在对 DataFrame 和 Dataset 进行操作许多操作都需要这个包:import spark.implicits._（在创建好 SparkSession 对象后尽量直接导入）
➢ 三者都会根据 Spark 的内存情况自动缓存运算，这样即使数据量很大，也不用担心会内存溢出
➢ 三者都有 partition 的概念
➢ DataFrame 和 DataSet 均可使用模式匹配获取各个字段的值和类型
三者的区别
- RDD
➢ RDD 一般和 spark mllib 同时使用
➢ RDD 不支持 sparksql 操作
- DataFrame
➢ 与 RDD 和 Dataset 不同，DataFrame 每一行的类型固定为 Row，每一列的值没法直接访问，只有通过解析才能获取各个字段的值
➢ DataFrame 与 DataSet 一般不与 spark mllib 同时使用
➢ DataFrame 与 DataSet 均支持 SparkSQL 的操作，比如 select，groupby 之类，还能注册临时表/视窗，进行 sql 语句操作
➢ DataFrame 与 DataSet 支持一些特别方便的保存方式，比如保存成 csv，可以带上表头，这样每一列的字段名一目了然(后面专门讲解)
- DataSet
➢ Dataset 和 DataFrame 拥有完全相同的成员函数，区别只是每一行的数据类型不同。DataFrame 其实就是 DataSet 的一个特例 type DataFrame = Dataset[Row]
➢ DataFrame 也可以叫 Dataset[Row],每一行的类型是 Row，不解析，每一行究竟有哪些字段，各个字段又是什么类型都无从得知，只能用上面提到的 getAS 方法或者共性中的第七条提到的模式匹配拿出特定字段。而 Dataset 中，每一行是什么类型是不一定的，在自定义了 case class 之后可以很自由的获得每一行的信息
