1.Spark SQL出现的 原因是什么?
由于MapReduce这种计算模型执行效率比较慢，所以Spark SQL的应运而生，它是将Spark SQL转换成RDD，然后提交到集群执行，执行效率非常快，同时Spark SQL也支持从Hive中读取数据。
2.用spark.read 创建DataFrame
3.观察从不同类型文件创建DataFrame有什么异同?
4.观察Spark的DataFrame与Python pandas的DataFrame有什么异同？
在工作方式上，Pandas不支持Hadoop，处理大量数据有瓶颈，而Spark支持Hadoop，能处理大量数据；在内存缓存上，Pandas是单机缓存的，Spark是用persist() or cache()将转换的RDDs保存在内存；在DataFrame可变性上，Pandas中DataFrame是可变的，而Spark中RDDs是不可变的，因此DataFrame也是不可变的；在index索引上，Pandas是自动创建的，而Spark没有index索引，若需要则需要额外创建该列；
Spark SQL DataFrame的基本操作
创建：
spark.read.text()
file=‘file:///usr/local/spark/examples/src/main/resources/people.txt‘
df = spark.read.text(file)
spark.read.json()
file=‘file:///usr/local/spark/examples/src/main/resources/people.json‘
df = spark.read.json(file)
打印数据
df.show()默认打印前20条数据，df.show(n)
text:
json:
打印概要
df.printSchema()
text:
json:
查询总行数
df.count()
df.head(3) #list类型，list中每个元素是Row类
text：
json：
输出全部行
df.collect() #list类型，list中每个元素是Row类
text：
json：
查询概况
df.describe().show()
text:
json：
取列
df[‘name’]
df.name
df.select()
df.select(df[‘name‘]).show()
df.filter()
df.filter(df.age>20).show()
df.groupBy()
df.groupBy(‘age‘).count().show()
df.sort()
df.sort(df[‘age‘]).show()