Spark SQL 基本操作
将下列 JSON 格式数据复制到 Linux 系统中，并保存命名为 employee.json。
{ "id":1 , "name":" Ella" , "age":36 }
{ "id":2, "name":"Bob","age":29 }
{ "id":3 , "name":"Jack","age":29 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":5 , "name":"Damon" }
{ "id":5 , "name":"Damon" }
为 employee.json 创建 DataFrame，并写出 Scala 语句完成下列操作：
(1) 查询所有数据；
(2) 查询所有数据，并去除重复的数据；
(3) 查询所有数据，打印时去除 id 字段；
(4) 筛选出 age>30 的记录；
(5) 将数据按 age 分组；
(6) 将数据按 name 升序排列；
(7) 取出前 3 行数据；
(8) 查询所有记录的 name 列，并为其取别名为 username；
(9) 查询年龄 age 的平均值；
(10) 查询年龄 age 的最小值。
源文件内容如下（包含 id,name,age）：
1,Ella,36
2,Bob,29
3,Jack,29
请将数据复制保存到 Linux 系统中，命名为 employee.txt，实现从 RDD 转换得到DataFrame，并按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有数据。请写出程序代码。
package cn.itcast.spark.mook import org.apache.spark.sql.SparkSession import org.junit.Test class RDDtoDataFrame { @Test def test(): Unit ={ val spark=SparkSession.builder() .appName("datafreame1") .master("local[6]") .getOrCreate() import spark.implicits._ val df=spark.sparkContext.textFile("dataset/employee.txt").map(_.split(",")) .map(item => Employee(item(0).trim.toInt,item(1),item(2).trim.toInt)) .toDF() df.createOrReplaceTempView("employee") val dfRDD=spark.sql("select * from employee") dfRDD.map(it => "id:"+it(0) +",name:"+it(1)+",age:"+it(2) ) .show() } } case class Employee(id:Int,name:String,age:Long)