使用 Spark Java,我尝试使用 StructType 动态模式读取具有 JavaRDD 形式的逗号分隔值的数据。
我知道我可以使用下面传递模式的方法读取json(其中schemaStr->StructType和javaRDD->JavaRDD):
Dataset<Row> df = spark.read().schema(schemaStr).json(javaRDD);
javaRDD has value as: name1,address11,city111
请建议如何使用 StructType 模式读取 JavaRDD,因为我有逗号分隔的数据作为 JavaRDD。而且我需要使用 StructType 架构读取数据,以将其转换为数据帧,因为我有一个动态架构生成器实用程序。
最佳答案
所以如果我理解正确的话,你想转换 JavaRDD
至Dataset<Row>
?
如果是,您可以创建 JavaRDD<Row>
通过拆分您的 JavaRDD<String>
并将其传递给spark.createDataFrame
与您的架构
StructType schema = new StructType(new StructField[]{
new StructField("_1", DataTypes.StringType, false, Metadata.empty()),
new StructField("_2", DataTypes.StringType, false, Metadata.empty()),
new StructField("_3", DataTypes.StringType, false, Metadata.empty())
});
JavaRDD<String> rdd1 = spark
.range(5)
.javaRDD()
.map(s -> s+",b,c");
JavaRDD<Row> rdd2 = rdd1.map(s -> s.split(","))
.map(s -> RowFactory.create((Object[]) s));
Dataset<Row> df = spark.createDataFrame(rdd2, schema);
df.show();
输出:
+---+---+---+
| _1| _2| _3|
+---+---+---+
| 0| b| c|
| 1| b| c|
| 2| b| c|
| 3| b| c|
| 4| b| c|
+---+---+---+
关于java - 如何在 Spark Java 中使用 StructType Schema 从 JavaRDD<String> 读取 csv 格式数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58333076/