注意：此处用的spark version 1.6.0，版本不同，SparkSQL写代码时不太一样，比如要查询所有用户，并且使每一位用户年龄增加1.

spark 2.1.0写法为：

df.select($"name", $"age" + 1).show()spark 1.6.0写法为：
df.select(df("name"),df("age")+1).show()
1.创建DataFrame
val df = new SQLContext(sc).read.json("E://spark-2.1.0//spark-2.1.0//examples//src//main//resources//people.json")
2.查看DataFrame内容
df.show()
结果如图所示：
3.查看Schema
df.PRintSchema()
4.Select操作
4.1 只查看姓名
df.select("name").show()
4.2 查看所有姓名、年龄
df.select("name","age").show()
4.3 查看所有姓名，同时使每个人年龄增加1
df.select(df("name"),df("age")+1).show() 
注意：不能写成这样：
df.select("name","age"+1).show()否则会报如下错误：
Exception in thread "main" org.apache.spark.sql.AnalysisException: cannot resolve 'age1' given input columns age, name;
5.Filter操作
查询年龄大于21的用户
df.filter(df("age")>21).show()
6.GroupBy操作
按年龄分组查看用户
df.groupBy("age").count().show()
7.完整代码
/**  * Created by RiverCode on 2017/3/6.  */object SparkSQLExample {  def main(args: Array[String]) {    val sparkConf = new SparkConf().setMaster("local").setAppName("spark SQL basic example")    val sc = new SparkContext(sparkConf)    val sqlContext = new SQLContext(sc)    val df = new SQLContext(sc).read.json("E://spark-2.1.0//spark-2.1.0//examples//src//main//resources//people.json")    df.show()    df.printSchema()    df.select("name").show()    df.select("name","age").show() // 可以//  df.select("name","age"+1).show() // 不可以cannot resolve 'age1' given input columns age, name;//  df.select($"name",$"age"+1)  // spark 2.1.0 这样写    df.select(df("name"),df("age")+1).show()  // spark 1.6.3    df.filter(df("age")>21).show()    df.groupBy("age").count().show()     }}
8.相关文章链接
Spark中DataFrame的schema讲解：spark中DataFrame的schema讲解
http://blog.csdn.net/rivercode/article/details/60604327
spark创建DataFrame：spark创建DataFrame
http://blog.csdn.net/rivercode/article/details/60596079