SparkSQL——SparkSession的使用

        在spark的早期版本中，SparkContext是spark的主要切入点，由于RDD是主要的API，我们通过sparkcontext来创建和操作RDD。对于每个其他的API，我们需要使用不同的context。例如，对于Streming，我们需要使用StreamingContext；对于sql，使用sqlContext；对于hive，使用hiveContext。但是随着DataSet和DataFrame的API逐渐成为标准的API，就需要为他们建立接入点。所以在spark2.0中，引入SparkSession作为DataSet和DataFrame API的切入点，SparkSession封装了SparkConf、SparkContext和sqlContext。为了向后兼容，sqlContext和HiveContext也被保存下来。

SparkSession实例代码

package com.spark

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.{sqlContext, SparkSession}

object SparkSessionAPP {

  def main(args: Array[String]): Unit = {

    val path="E:\\data\\people.json"
    val spark=SparkSession.builder().appName("sparksession").master("local[2]").getorCreate()

    val people=spark.read.json(path)
    people.show()

    spark.stop()
  }
}