Spark SQL概述

什么是Spark SQL

Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个编程抽象叫做DataFrame并且作为分布式SQL查询引擎的作用。

我们已经学习了Hive，它是将Hive SQL转换成MapReduce然后提交到集群上执行，大大简化了编写MapReduce的程序的复杂性，由于MapReduce这种计算模型执行效率比较慢。所有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！

1.易整合

2.统一的数据访问方式

3.兼容Hive

4.标准的数据连接

SparkSQL可以看做是一个转换层，向下对接各种不同的结构化数据源，向上提供不同的数据访问方式。

SparkSQL 的版本迭代 

SparkSQL 版本升级对应的新特性汇总 
 
1、SparkSQL 的前身是 Shark。由于 Shark 自身的不完善，2014 年 6 月 1 日 Reynold Xin 宣布： 停止对 Shark 的开发。SparkSQL 抛弃原有 Shark 的代码，汲取了 Shark 的一些优点，如内存 列存储（In-Memory Columnar Storage）、 Hive 兼容性等，重新开发 SparkSQL。 
 
2、Spark-1.1：2014 年 9 月 11 日，发布 Spark1.1.0。Spark 从 1.0 开始引入 SparkSQL（Shark 不再支持升级与维护） 。Spark1.1.0 变化较大是 SparkSQL 和 MLlib 
 
3、Spark-1.3：增加 DataFrame 新 API 
 
4、Spark-1.4：增加窗口分析函数 
 
5、Spark 1.5：钨丝计划。Hive 中有 UDF 与 UDAF，Spark 中对 UDF 支持较早 UDAF：User Defined Aggregate Function 用户自定义聚合函数，直到 Spark 1.5.x 才引入的最 新特性 关于“钨丝计划”：  https://blog.csdn.net/nysyxxg/article/details/56962247?locationNum=6&fps=1 
 
6、spark-1.6：执行的 sql 中可以增加"--"注释，Spark-1.5/1.6 的新特性，引入 DataSet 的概念 
 
7、Spark-2.x：SparkSQL+DataFrame+DataSet(正式版本)，Structured Streaming(DataSet)，引入 SparkSession 统一了 RDD，DataFrame，DataSet 的编程入口