【发布时间】:2017-07-08 08:27:01
【问题描述】:
我正在从 com.google.gson.JsonObject 类型的 Element 的 RDD 中读取数据。试图将其转换为 DataSet 但不知道如何执行此操作。
import com.google.gson.{JsonParser}
import org.apache.hadoop.io.LongWritable
import org.apache.spark.sql.{SparkSession}
object tmp {
class people(name: String, age: Long, phone: String)
def main(args: Array[String]): Unit = {
val spark = SparkSession.builder().master("local[*]").getOrCreate()
val sc = spark.sparkContext
val parser = new JsonParser();
val jsonObject1 = parser.parse("""{"name":"abc","age":23,"phone":"0208"}""").getAsJsonObject()
val jsonObject2 = parser.parse("""{"name":"xyz","age":33}""").getAsJsonObject()
val PairRDD = sc.parallelize(List(
(new LongWritable(1l), jsonObject1),
(new LongWritable(2l), jsonObject2)
))
val rdd1 =PairRDD.map(element => element._2)
import spark.implicits._
//How to create Dataset as schema People from rdd1?
}
}
即使尝试打印 rdd1 元素也会抛出
object not serializable (class: org.apache.hadoop.io.LongWritable, value: 1)
- field (class: scala.Tuple2, name: _1, type: class java.lang.Object)
- object (class scala.Tuple2, (1,{"name":"abc","age":23,"phone":"0208"}))
基本上,我从BigQuery 表中获得了这个 RDD[LongWritable,JsonParser],我想将它转换为 Dataset,以便我可以应用 SQL 进行转换。
我故意将 phone 留在第二条记录中,BigQuery 不为该元素返回 null 值。
【问题讨论】:
标签: apache-spark apache-spark-sql spark-dataframe