如何使用SparkSQL做一些简单的数据分析和可视化展示？

1）首先统计每个月的交易量； 2）从交易量的走势图可以看出3、4、5、6月的交易量较高，8月达到低谷； 3）统计在每周内从周一到周日的交易量变化； 4）统计一天中每个时间段的交易量，可以看出每天中午和下午为交易量的低谷； 5）统计每个时间段打车的费用，可以看出中午打车费用较高。因此可以得出结论：由于打车价格攀升导致了交易量萎靡。 6）统计每个年份打车费用的均值，如上图左，显示为打车费用连年上升。再统计每个年份的交易量，可以得出结论:交易量和打车费用成反比关系。 7）统计交易金额的分布。可以看出，纽约市打车价格主要分布在3-2O美元之间。 在以上查询分析的过程中，流式处理作业一直处于运行状态，与批式作业没有冲突，可以并行运行。 以上内容摘自《Databricks数据洞悉》电子书，点击https://developer.aliyun.com/topic/download?id=8545可下载完整版