一、修改云主机配置缘由

• 在今天的Spark课程中，我们深入学习了数据集和数据帧的操作方法。然而，我注意到云主机的内存几乎被耗尽，这导致了系统运行时的卡顿，有时甚至会导致Spark Shell的强制退出。为了确保课程的顺利进行，我需要对云主机的配置进行调整，特别是增加内存容量，以满足我们学习过程中对计算资源的需求。

二、修改云主机配置步骤

1、查看云主机概述

• 内存使用情况：20GB用了12GB
  

2、查看master云主机

• 云主机类型 - m1.medium
  

3、更改master云主机配置

• 更多 $⟶$ 配置变更 $⟶$ 修改配置
  
• 选择云主机类型 - m1.vlarge - 内存8GB
  
• 勾选同意强制关机复选框，单击【确定】按钮，正在修改 - 配置/迁移
  
• 确认修改配置/迁移
  
• 弹出消息框要求用户确认
  
• 单击【确定】按钮
  

4、查看master云主机

• 云主机类型已成功改成m1.vlarge，8GB运行内存，正常运行中……
  

三、使用Spark Shell玩Saprk SQL

1、启动HDFS服务

• 执行命令：start-dfs.sh
  

2、启动Spark集群

• 执行命令：start-all.sh
  

3、启动集群模式Spark Shell

• 执行命令：spark-shell --master spark://master:7077
  

4、读取文件生成单例数据帧

• 执行命令：val df = spark.read.text("hdfs://master:9000/student/input/student.txt")
  

• 执行命令：df.show
  

5、将单列数据帧转换成多列数据帧

val stuDF = df
  .withColumn("id", split(col("value"), ",")(0).cast("int"))
  .withColumn("name", split(col("value"), ",")(1))
  .withColumn("gender", split(col("value"), ",")(2))
  .withColumn("age", split(col("value"), ",")(3).cast("int"))
  .drop("value") // 删除原始的 value 列

• 执行上述命令
  

• 执行命令：stuDF.printSchema
  

• 执行命令：stuDF.show
  

6、基于数据帧生成临时视图

• 执行命令：stuDF.createOrReplaceTempView("student")
  

7、基于临时视图进行SQL查询

• 执行命令：spark.sql("select * from student where gender = '女' and age > 20").show