spark實例-DataSet之統(tǒng)計部門員工平均薪資和平均年齡

需求分析

計算部門的平均薪資和年齡

  • 只統(tǒng)計年齡在20歲以上的員工
  • 根據(jù)部門名稱和員工性別為粒度來進行統(tǒng)計
  • 統(tǒng)計出每個部門分性別的平均薪資和年齡

關(guān)鍵技術(shù)點

  • 導入隱式轉(zhuǎn)化import spark.implicits._
  • 導入spark.sql.fucntionsimport org.apache.spark.sql.functions._
  • 兩個表的字段的連接條件,需要使用三個等號$"depId" === $"id"
  • groupBy聚合時奉狈,指定表及相應字段groupBy(department("name"), employee("gender"))
  • agg聚合函數(shù)agg(avg(employee("salary")), avg(employee("age")))
  • dataframe == dataset[Row],dataframe的類型是Row是趴,所以是untyped類型,弱類型,dataset的類型通常是我們自定義的case class摹迷,所以是typed類型,強類型
  • dataset開發(fā),與rdd開發(fā)有很多的共同點。dataset采用encoder序列化

代碼示例

package com.spark.dataset

import org.apache.spark.sql.SparkSession

/**
 * 計算部門的平均薪資和年齡
 *
 * 需求:
 *      1蜂挪、只統(tǒng)計年齡在20歲以上的員工
 *      2、根據(jù)部門名稱和員工性別為粒度來進行統(tǒng)計
 *      3嗓化、統(tǒng)計出每個部門分性別的平均薪資和年齡
 *
 */
object DepartmentAvgSalaryAndAgeStat extends App{
  val spark=SparkSession
  .builder()
  .appName("DepartmentAvgSalaryAndAgeStat")
  .master("local")
  .config("spark.sql.warehouse.dir","E:\\worksplace\\spark\\spark-warehouse")
  .getOrCreate()
  //導入隱式轉(zhuǎn)換
  import spark.implicits._
  //spark sql functions
  import org.apache.spark.sql.functions._
  /**
+---+--------------------+
| id|                name|
+---+--------------------+
|  1|Technical Department|
|  2|Financial Department|
|  3|       HR Department|
+---+--------------------+
   */
  val department=spark.read.json("E:\\worksplace\\spark\\src\\main\\resources\\department.json")
/**
+---+-----+------+------+------+
|age|depId|gender|  name|salary|
+---+-----+------+------+------+
| 25|    1|  male|   Leo| 20000|
| 30|    2|female| Marry| 25000|
| 35|    1|  male|  Jack| 15000|
| 42|    3|  male|   Tom| 18000|
| 21|    3|female|Kattie| 21000|
| 30|    2|female|   Jen| 28000|
| 19|    2|female|   Jen|  8000|
+---+-----+------+------+------+  
 */
  val employee=spark.read.json("E:\\worksplace\\spark\\src\\main\\resources\\employee.json")
  //department.show()
  //employee.show()
  //1.過濾20歲以上的員工
  val filtedEmployee=employee.filter("age>20")
  //filtedEmployee.show()
/**
 +---+-----+------+------+------+---+--------------------+
|age|depId|gender|  name|salary| id|                name|
+---+-----+------+------+------+---+--------------------+
| 25|    1|  male|   Leo| 20000|  1|Technical Department|
| 30|    2|female| Marry| 25000|  2|Financial Department|
| 35|    1|  male|  Jack| 15000|  1|Technical Department|
| 42|    3|  male|   Tom| 18000|  3|       HR Department|
| 21|    3|female|Kattie| 21000|  3|       HR Department|
| 30|    2|female|   Jen| 28000|  2|Financial Department|
+---+-----+------+------+------+---+--------------------+
 */
  // 注意:untyped join棠涮,兩個表的字段的連接條件,需要使用三個等號
  val joined=filtedEmployee.join(department, $"depId" === $"id")
  val result=employee
  // 先對employee進行過濾刺覆,只統(tǒng)計20歲以上的員工
  .filter("age>20")
    // 需要跟department數(shù)據(jù)進行join故爵,然后才能根據(jù)部門名稱和員工性別進行聚合
    // 注意:untyped join,兩個表的字段的連接條件隅津,需要使用三個等號
  .join(department, $"depId" === $"id")
   // 根據(jù)部門名稱和員工性別進行分組
  .groupBy(department("name"), employee("gender"))
   // 最后執(zhí)行聚合函數(shù)
  .agg(avg(employee("salary")), avg(employee("age")))
  // 執(zhí)行action操作,將結(jié)果顯示出來
/**
+--------------------+------+-----------+--------+
|                name|gender|avg(salary)|avg(age)|
+--------------------+------+-----------+--------+
|       HR Department|female|    21000.0|    21.0|
|Technical Department|  male|    17500.0|    30.0|
|Financial Department|female|    26500.0|    30.0|
|       HR Department|  male|    18000.0|    42.0|
+--------------------+------+-----------+--------+
 */
  result.show()
}
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末劲室,一起剝皮案震驚了整個濱河市伦仍,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌很洋,老刑警劉巖充蓝,帶你破解...
    沈念sama閱讀 216,692評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡谓苟,警方通過查閱死者的電腦和手機官脓,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,482評論 3 392
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來涝焙,“玉大人卑笨,你說我怎么就攤上這事÷刈玻” “怎么了赤兴?”我有些...
    開封第一講書人閱讀 162,995評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長隧哮。 經(jīng)常有香客問我桶良,道長,這世上最難降的妖魔是什么沮翔? 我笑而不...
    開封第一講書人閱讀 58,223評論 1 292
  • 正文 為了忘掉前任陨帆,我火速辦了婚禮,結(jié)果婚禮上采蚀,老公的妹妹穿的比我還像新娘疲牵。我一直安慰自己,他們只是感情好搏存,可當我...
    茶點故事閱讀 67,245評論 6 388
  • 文/花漫 我一把揭開白布瑰步。 她就那樣靜靜地躺著,像睡著了一般璧眠。 火紅的嫁衣襯著肌膚如雪缩焦。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,208評論 1 299
  • 那天责静,我揣著相機與錄音袁滥,去河邊找鬼。 笑死灾螃,一個胖子當著我的面吹牛题翻,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播腰鬼,決...
    沈念sama閱讀 40,091評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼嵌赠,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了熄赡?” 一聲冷哼從身側(cè)響起姜挺,我...
    開封第一講書人閱讀 38,929評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎彼硫,沒想到半個月后炊豪,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體凌箕,經(jīng)...
    沈念sama閱讀 45,346評論 1 311
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,570評論 2 333
  • 正文 我和宋清朗相戀三年词渤,在試婚紗的時候發(fā)現(xiàn)自己被綠了牵舱。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,739評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡缺虐,死狀恐怖芜壁,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情志笼,我是刑警寧澤沿盅,帶...
    沈念sama閱讀 35,437評論 5 344
  • 正文 年R本政府宣布,位于F島的核電站纫溃,受9級特大地震影響腰涧,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜紊浩,卻給世界環(huán)境...
    茶點故事閱讀 41,037評論 3 326
  • 文/蒙蒙 一窖铡、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧坊谁,春花似錦费彼、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,677評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽帘瞭。三九已至扒最,卻和暖如春因宇,著一層夾襖步出監(jiān)牢的瞬間柔逼,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,833評論 1 269
  • 我被黑心中介騙來泰國打工渣玲, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留稿茉,地道東北人遍坟。 一個月前我還...
    沈念sama閱讀 47,760評論 2 369
  • 正文 我出身青樓裤翩,卻偏偏與公主長得像资盅,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子踊赠,可洞房花燭夜當晚...
    茶點故事閱讀 44,647評論 2 354

推薦閱讀更多精彩內(nèi)容