Spark学习之数据读取与保存（4）

1. 文件格式

Spark对很多种文件格式的读取和保存方式都很简单。

如文本文件的非结构化的文件，如JSON的半结构化文件，如SequenceFile结构化文件。通过扩展名进行处理。

2. 读取/保存文本文件

Python中读取一个文本文件

    input = sc.textfile("file:///home/holen/repos/spark/README.md")

    Scala中读取一个文本文件

    val input = sc.textFile("file:///home/holen/repos/spark/README.md")

    Java中读取一个文本文件

    JavaRDD<String> input = sc.textFile("file:///home/holen/repos/spark/README.md")

saveAsTextFile()方法用了保存为文本文件

3. 读取/保存JSON文件

Python中读取JSON文件

    import json

    data = input.map(lambda x: json.loads(x))

    Python中保存为JSON文件

    (data.filter(lambda x: x["lovesPandas"]).map(lambda x: json.dumps(x)))

        .saveAsTextFile(outputFile)

4. Spark SQL中的结构化数据

结构化数据指的是有结构信息的数据————也就是所有的数据记录都有具有一致字段结构的集合。

在各种情况下，我们把一条SQL查询给Spark SQL，让它对一个数据源执行查询，然后得到由Row对象组成的RDD，每个Row对象表示一条记录。