我在Spark中使用了SQL，在这个例子中：
results = spark.sql("select * from ventas")
其中 ventas 是一个数据帧，以前像表一样编目：
df.createOrReplaceTempView('ventas')
但是我已经看到了在Spark中使用SQL的其他方法，使用类SqlContext：
df = sqlContext.sql("SELECT * FROM table")
它们之间有什么区别？
提前致谢
从用户(不是贡献者(的角度来看，我只能重新讨论开发人员在升级说明中提供的内容：
从 Spark SQL 1.6 升级到 2.0
- SparkSession现在是Spark的新入口点，它取代了旧的SQLContext和HiveContext。请注意，保留旧的 SQLContext 和 HiveContext 是为了向后兼容。可以从SparkSession访问新的目录接口 - 数据库和表访问(如listTables，createExternalTable，dropTempView，cacheTable(上的现有API被移动到此处。
在 2.0 之前，SqlContext需要额外调用创建它的工厂。有了SparkSession，他们让事情变得更加方便。
如果你看一下源代码，你会发现SqlContext类大多被标记为@deprecated。仔细检查表明，最常用的方法只是调用sparkSession。
有关更多信息，请查看开发人员说明、Jira 问题、关于 Spark 2.0 的会议讨论和 Databricks 博客。
在Spark 2.x SQLContext之前是在SparkContext的帮助下构建的，但在Spark 2.x SparkSession之后，它具有HiveContext和SQLContect的功能。因此，无需单独创建SQLContext。
**before Spark2.x**
sCont = SparkContext()
sqlCont = SQLContext(sCont)
**after Spark 2.x:**
spark = SparkSession()
Sparksession是现在使用Spark对象的首选方式。Hivecontext 和 SQLContext 都可以作为这个单一对象 SparkSession 的一部分使用。
您正在通过创建视图 df.createOrReplaceTempView('ventas'(来使用最新的语法。
-
接下来创建 df1 作为 javaobject
df1=sqlcontext.sql("select col1,col2,col3 from table") -
接下来创建 df2 作为数据帧
df2=spark.sql("select col1,col2,col3 from table")
使用type(df2)和type(df1)检查差异