apache-spark - SparkSession.sql 和 Dataset.sqlContext.sql 有什么区别？

Question

我有以下代码片段，我想知道这两者之间有什么区别，我应该使用哪一个？我正在使用 Spark 2.2。

Dataset<Row> df = sparkSession.readStream()
    .format("kafka")
    .load();

df.createOrReplaceTempView("table");
df.printSchema();

Dataset<Row> resultSet =  df.sqlContext().sql("select value from table"); //sparkSession.sql(this.query);
StreamingQuery streamingQuery = resultSet
        .writeStream()
        .trigger(Trigger.ProcessingTime(1000))
        .format("console")
        .start();

对比

Dataset<Row> df = sparkSession.readStream()
    .format("kafka")
    .load();

df.createOrReplaceTempView("table");

Dataset<Row> resultSet =  sparkSession.sql("select value from table"); //sparkSession.sql(this.query);
StreamingQuery streamingQuery = resultSet
        .writeStream()
        .trigger(Trigger.ProcessingTime(1000))
        .format("console")
        .start();

Answer 1

有是 sparkSession.sql("sql query") 之间的一个非常细微的区别对比 df.sqlContext().sql("sql query") .

请注意，您可以有零个、两个或多个 SparkSession s 在单个 Spark 应用程序中(但假设您在 Spark SQL 应用程序中至少且通常只有一个 SparkSession)。

另请注意，Dataset绑定(bind)到 SparkSession它是在 SparkSession 内创建的永远不会改变。

你可能想知道为什么有人会想要它，但这给了你查询之间的界限，你可以为不同的数据集使用相同的表名，这实际上是 Spark SQL 的一个非常强大的特性。

以下示例显示了差异，希望能让您了解它为什么如此强大。

scala> spark.version
res0: String = 2.3.0-SNAPSHOT

scala> :type spark
org.apache.spark.sql.SparkSession

scala> spark.sql("show tables").show
+--------+---------+-----------+
|database|tableName|isTemporary|
+--------+---------+-----------+
+--------+---------+-----------+

scala> val df = spark.range(5)
df: org.apache.spark.sql.Dataset[Long] = [id: bigint]

scala> df.sqlContext.sql("show tables").show
+--------+---------+-----------+
|database|tableName|isTemporary|
+--------+---------+-----------+
+--------+---------+-----------+

scala> val anotherSession = spark.newSession
anotherSession: org.apache.spark.sql.SparkSession = org.apache.spark.sql.SparkSession@195c5803

scala> anotherSession.range(10).createOrReplaceTempView("new_table")

scala> anotherSession.sql("show tables").show
+--------+---------+-----------+
|database|tableName|isTemporary|
+--------+---------+-----------+
|        |new_table|       true|
+--------+---------+-----------+


scala> df.sqlContext.sql("show tables").show
+--------+---------+-----------+
|database|tableName|isTemporary|
+--------+---------+-----------+
+--------+---------+-----------+