二、使用sparkSql将student.txt数据写入mysql（30分） 字段如下： s_id,s_name,s_sex,s_birthday,s_class,s_specialty,s_school,s_register_time 创建样例类Student 1.创建sparkSession对象 2.读取数据 3.切分每一行, 4.RDD关联Student 导入隐式转换 import spark.implicits._ 5.将RDD转换成DataFrame 6.将DataFrame注册成表 7.操作student表 ,按照年龄进行降序排列 8.把结果保存在mysql表中 (1)创建Properties对象，配置连接mysql的用户名和密码 (2)写入mysql时，可以配置插入mode，overwrite覆盖，append追加，ignore忽略，error默认表存在报错

代码如下：

import org.apache.spark.sql.SparkSession

case class Student(s_id: String, s_name: String, s_sex: String, s_birthday: String, s_class: String, s_specialty: String, s_school: String, s_register_time: String)

object SparkSqlDemo {

  def main(args: Array[String]): Unit = {
    // 1.创建sparkSession对象
    val spark = SparkSession.builder()
      .appName("SparkSqlDemo")
      .master("local[*]")
      .getOrCreate()

    // 2.读取数据
    val studentRDD = spark.sparkContext.textFile("path/to/student.txt")

    // 3.切分每一行
    val studentInfo = studentRDD.map(_.split(","))

    // 4.RDD关联Student
    val students = studentInfo.map(x => Student(x(0), x(1), x(2), x(3), x(4), x(5), x(6), x(7)))

    // 5.将RDD转换成DataFrame
    val studentDF = students.toDF()

    // 6.将DataFrame注册成表
    studentDF.createOrReplaceTempView("student")

    // 7.操作student表，按照年龄进行降序排列
    val resultDF = spark.sql("select * from student order by s_birthday desc")

    // 8.把结果保存在mysql表中
    val props = new java.util.Properties
    props.setProperty("user", "username")
    props.setProperty("password", "password")
    resultDF.write.mode("overwrite").jdbc("jdbc:mysql://localhost:3306/test", "student", props)

    spark.stop()
  }
}

其中，需要将 `path/to/student.txt` 替换为实际的文件路径，将 `username` 和 `password` 替换为实际的 MySQL 用户名和密码，将 `jdbc:mysql://localhost:3306/test` 替换为实际的 MySQL 数据库地址和数据库名。在写入 MySQL 时，我们使用了 `overwrite` 模式，表示如果表已经存在则覆盖，这样可以保证每次运行程序都能得到相同的结果。