Save Modes:

Save操作可以选择使用SaveMode，它指定如果存在的话如何处理现有数据。重要的是要认识到这些保存模式不使用任何锁定，也不是原子的。此外，当执行覆盖时，数据将在写入新数据之前被删除。

1.读取一个json文件进行测试:

scala> val df = spark.read.format("json").load("file:///root/data/json_schema_infer.json")
df: org.apache.spark.sql.DataFrame = [age: bigint, gender: string ... 2 more fields]
scala> df.show
显示结果:
 
 2.使用overwrite方式以parquet形式写出去:
 
df.select("name").write.format("parquet").mode("overwrite").save("file:///root/data/overwrite")
在目录中就会生成相应的文件,再次执行还会生成,但是生成的时间变了,因为覆盖了以前生成的文件
 
3.使用append方式以parquet形式写出去:
 
scala> df.select("name").write.format("parquet").mode("append").save("file:///root/data/overwrite")
不会覆盖之前的文件,会生成新的文件:
 
4.使用ignore方式以parquet形式写出去:
 
scala> df.select("name").write.format("parquet").mode("ignore").save("file:///root/data/overwrite")
在这个目录下如果有这种类型的文件就不会生成,如果没有就会创建.
                    Save Modes:    Save操作可以选择使用SaveMode，它指定如果存在的话如何处理现有数据。重要的是要认识到这些保存模式不使用任何锁定，也不是原子的。此外，当执行覆盖时，数据将在写入新数据之前被删除。实践1.读取一个json文件进行测试:scala> val df = spark.read.format("json").loa...
将SavePlayModeChanges组件添加到您要保存的所有层次结构的根目录中。 而已！
与其他工具（例如PlayModePersist）不同，这近似于将游戏对象从播放模式复制/粘贴到编辑模式的常见技巧。
 我们找不到与Unity完全相同的方法，因此它主要使用UnityEngine.JSONUtility手动序列化和反序列化游戏对象层次结构。
 它比手术刀更像是一把锤子，但尽管有缺点，但它可以节省大量时间，因此我们将其发布给任何人使用和改进。 此工具是实验性的。 如果出现问题，场
				
Save Modes
Save operations can optionally take a SaveMode, that specifies how to handle existing data if present. It is important to realize
 that these save modes do not utilize any locking and a
				
前面我们学习了Spark中的Spark core，离线数据计算，下面我们来学习一下Spark中的Spark SQL。
一、Spark SQL
二、SparkSession
三、创建DataFrame
四、DataFrame常见算子操作
五、DataFrame的sql操作
六、RDD转换为DataFrame
1、反射方式
2、编程方式
七、load和save操作
八、SaveMode
九、内置函数
				
SaveMode.ErrorIfExists(对应着字符串"error"):表示如果目标文件目录中数据已经存在了，则抛异常(这个是默认的配置)
SaveMode.Append(对应着字符串"append"):表示如果目标文件目录中数据已经存在了,则将数据追加到目标文件中
SaveMode.Overwrite(对应着字符串"overwrite"):表示如果目标文件目录中数据已经存在了，则用需要保存的数据覆盖掉已经存在的数据
SaveMode.Ignore(对应着字符串为:"ignore"):表示如果目标文件.
				
//1.读取一个json文本
val df1=    ssc.read.json("E:\\sparkdata\\person.json")
//2.读取数据，在format方法中指定类型
val df2=ssc.read.format("json").load("E:\\sparkdata\\person.json")
val df3=ssc.read.format("parquet").lo...
				
package org.jy.data.yh.bigdata.drools.scala.goods.hive
import org.apache.spark.sql.SaveMode
import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.{SparkConf, SparkContext}
					
'no_zero_date', 'no_zero_in_date' and 'error_for_division_by_zero' sql modes should be used with strict mode. they will be merged with strict mode in a future release.
				
### 回答1：
"no_zero_date"、"no_zero_in_date" 和 "error_for_division_by_zero" SQL 模式应该与严格模式一起使用。它们将在未来的版本中与严格模式合并。   
### 回答2：
首先，SQL模式是一种用于控制MySQL的行为的选项集。它确保查询的有效性并提高了数据完整性，利于数据的一致性和可靠性。
在MySQL中，'no_zero_date'， 'no_zero_in_date'和'error_for_division_by_zero'都是SQL模式，用于控制MySQL处理日期和算术运算的方式。
'no_zero_date'和'no_zero_in_date'模式用于处理日期操作。它们要求MySQL的日期字段不能为零，否则会出现错误信息。这有助于避免数据的不完整性和不准确性，确保日期信息的一致性和准确性，特别是在处理时间范围查询时更加重要。
另一方面，'error_for_division_by_zero'模式用于处理算术运算。它要求当除零操作发生时，MySQL会报错，从而避免了除以零的错误结果。这对于确保数据的准确性和完整性也非常重要，避免了当运算结果无意义或不正确时将错误结果存入数据库中。
然而，官方文档警告称这些模式的行为将在未来的版本中发生变化。它们将与严格模式合并，以确保更严格的数据完整性和一致性。因此，建议开发者在使用这些模式时同时启用严格模式，以便保证数据的安全性和准确性。
总之，'no_zero_date'， 'no_zero_in_date'和'error_for_division_by_zero' SQL模式都是为了提高数据的一致性和可靠性而设计的，而在未来的MySQL版本中它们将与严格模式融合为一个更加完善的措施。开发者可以在使用这些模式时始终保持警惕，在严格模式的帮助下确保数据的完整性和一致性。   
### 回答3：
首先，需要了解一些SQL模式的基本概念。SQL模式是用于控制MySQL服务器的语法和语义行为的一组选项。 SQL模式控制了如何处理某些数据类型或查询中的错误和警告等内容。MySQL提供了多种SQL模式，应根据具体情况选择使用哪个SQL模式。
在MySQL中，有几个SQL模式被称为“严格模式”，其中包括'no_zero_date'，'no_zero_in_date'和'error_for_division_by_zero'。这些模式对应用程序进行检查，并确保符合严格的SQL标准，这有助于避免错误的查询或数据录入。严格模式会捕捉许多基础SQL语法错误，并令应用程序更容易工作。
'no_zero_date' SQL模式要求日期字段必须使用合法日期值，不能为零。 'no_zero_in_date' 要求日期时间类型中的最小字段（如年、月、日、小时等）必须用两位数字表示，以避免混淆和不必要的转换。另外，'error_for_division_by_zero' SQL模式确保查询中不会发生除零操作，因为这通常会导致错误或不正确的结果。
此外，根据MySQL官方文档，将来'no_zero_date'， 'no_zero_in_date'和'error_for_division_by_zero' SQL模式将随“ strict ”SQL模式合并。这表明在未来版本中，将不再提供'no_zero_date'， 'no_zero_in_date'和'error_for_division_by_zero' SQL模式。因此，如果应用程序依赖这些SQL模式，则必须及时进行修改或更新，以使用更严格和更安全的SQL模式保护数据和查询。
综上所述，虽然'no_zero_date'， 'no_zero_in_date'和'error_for_division_by_zero' SQL模式提供了有用的功能，但建议使用严格模式来更好地保护数据库和应用程序的安全性和稳定性。未来版本中，这些模式将与严格模式合并，因此有关应用程序开发人员和管理员应及时更新数据库以满足最新的安全要求。