scala - SparkSQL - 直接读取 Parquet 文件

Question

我正在从 Impala 迁移到 SparkSQL，使用以下代码读取表:

my_data = sqlContext.read.parquet('hdfs://my_hdfs_path/my_db.db/my_table')

我如何调用上面的 SparkSQL，以便它可以返回如下内容:

'select col_A, col_B from my_table'

Answer 1

从 parquet 文件创建 Dataframe 后，您必须将其注册为临时表才能运行 sql queries在上面。

val sqlContext = new org.apache.spark.sql.SQLContext(sc)

val df = sqlContext.read.parquet("src/main/resources/peopleTwo.parquet")

df.printSchema

// after registering as a table you will be able to run sql queries
df.registerTempTable("people")

sqlContext.sql("select * from people").collect.foreach(println)