* Crear marcos de datos: El propósito principal era crear marcos de datos a partir de varias fuentes de datos (como archivos CSV, archivos JSON, tablas de colmena, etc.). Los marcos de datos son colecciones estructuradas de datos organizados en columnas con nombre.
* Ejecutar consultas SQL: Puede ejecutar consultas SQL directamente contra los marcos de datos registrados como tablas temporales o persistentes dentro del motor Spark SQL.
* Funcionalidad de SQL Spark de acceso: Proporcionó acceso a las diversas funcionalidades del motor Spark SQL, como transformaciones de datos, agregaciones y otras operaciones similares a SQL.
Sin embargo, `sqlContext` está en desuso. Ha sido reemplazado por `Sparksession` en versiones posteriores de Spark. `Sparksession` combina las funcionalidades de` sqlcontext`, `hivecontext` y` streamingcontext` en un solo punto de entrada, proporcionando un enfoque más unificado y simplificado para trabajar con chispa.
En esencia, si se encuentra con `sqlContext` en el código de chispa más antiguo, debe migrar a usar` sparksession`. Sirven el mismo propósito fundamental, pero 'Sparksession' es el enfoque recomendado y apoyado en el desarrollo moderno de Spark. Ambos finalmente interactúan con el motor Spark SQL, pero 'Sparksession` ofrece una experiencia más integrada.