java - 如何使用 Java 在 SPARK 中使用映射函数

Question

我尝试在 spark 中读取一个 csv 文件，我想拆分以逗号分隔的行，以便我有一个带有二维数组的 RDD。我是 Spark 的新手。

我试着这样做:

public class SimpleApp 
{   
    public static void main(String[] args) throws Exception 
    {       
        String master = "local[2]";
        String csvInput = "/home/userName/Downloads/countrylist.csv";
        String csvOutput = "/home/userName/Downloads/countrylist";

        JavaSparkContext sc = new JavaSparkContext(master, "loadwholecsv", System.getenv("SPARK_HOME"), System.getenv("JARS"));

        JavaRDD<String> csvData = sc.textFile(csvInput, 1);
        JavaRDD<String> words = csvData.map(new Function <List<String>>() { //line 43
              @Override
              public List<String> call(String s) {
                return Arrays.asList(s.split("\\s*,\\s*"));
              }
            });

        words.saveAsTextFile(csvOutput);
    }
}

这应该拆分行并返回一个 ArrayList。但我不确定这一点。 我收到此错误:

SimpleApp.java:[43,58] wrong number of type arguments; required 2

Answer 1

所以这个程序有两个小问题。首先是你可能想要 flatMap 而不是 map，因为你试图返回单词的 RDD 而不是单词列表的 RDD，我们可以使用 flatMap 来展平结果。另一个是，我们的函数类还需要调用它的输入类型。我会将 JavaRDD 单词...替换为:

JavaRDD<String> words = rdd.flatMap(
  new FlatMapFunction<String, String>() { public Iterable<String> call(String s) {
      return Arrays.asList(s.split("\\s*,\\s*"));
    }});