如何创建地图数据集？答案

【问题标题】：How to create a Dataset of Maps?如何创建地图数据集？
【发布时间】：2018-03-28 11:12:49
【问题描述】：

我正在使用 Spark 2.2，但在尝试通过 Seq 或 Map 调用 spark.createDataset 时遇到了麻烦。

我的 Spark Shell 会话的代码和输出如下：

// createDataSet on Seq[T] where T = Int works
scala> spark.createDataset(Seq(1, 2, 3)).collect
res0: Array[Int] = Array(1, 2, 3)

scala> spark.createDataset(Seq(Map(1 -> 2))).collect
<console>:24: error: Unable to find encoder for type stored in a Dataset.  
Primitive types (Int, String, etc) and Product types (case classes) are 
supported by importing spark.implicits._
Support for serializing other types will be added in future releases.
       spark.createDataset(Seq(Map(1 -> 2))).collect
                          ^

// createDataSet on a custom case class containing Map works
scala> case class MapHolder(m: Map[Int, Int])
defined class MapHolder

scala> spark.createDataset(Seq(MapHolder(Map(1 -> 2)))).collect
res2: Array[MapHolder] = Array(MapHolder(Map(1 -> 2)))

我已经尝试过import spark.implicits._，但我相当确定这是由 Spark shell 会话隐式导入的。

这是当前编码器未涵盖的情况吗？

【问题讨论】：

标签： scala apache-spark apache-spark-sql apache-spark-dataset apache-spark-encoders

【解决方案1】：

2.2 中没有涉及，但可以轻松解决。您可以使用ExpressionEncoder 明确添加所需的Encoder：

import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder  
import org.apache.spark.sql.Encoder

spark
  .createDataset(Seq(Map(1 -> 2)))(ExpressionEncoder(): Encoder[Map[Int, Int]])

或implicitly:

implicit def mapIntIntEncoder: Encoder[Map[Int, Int]] = ExpressionEncoder()
spark.createDataset(Seq(Map(1 -> 2)))

【讨论】：

【解决方案2】：

仅供参考，上面的表达式只适用于 Spark 2.3（如果我没记错的话，截至 this commit）。

scala> spark.version
res0: String = 2.3.0

scala> spark.createDataset(Seq(Map(1 -> 2))).collect
res1: Array[scala.collection.immutable.Map[Int,Int]] = Array(Map(1 -> 2))

我认为这是因为 newMapEncoder 现在是 spark.implicits 的一部分。

scala> :implicits
...
  implicit def newMapEncoder[T <: scala.collection.Map[_, _]](implicit evidence$3: reflect.runtime.universe.TypeTag[T]): org.apache.spark.sql.Encoder[T]

您可以使用以下技巧“禁用”隐式并尝试上述表达式（这将导致错误）。

trait ThatWasABadIdea
implicit def newMapEncoder(ack: ThatWasABadIdea) = ack

scala> spark.createDataset(Seq(Map(1 -> 2))).collect
<console>:26: error: Unable to find encoder for type stored in a Dataset.  Primitive types (Int, String, etc) and Product types (case classes) are supported by importing spark.implicits._  Support for serializing other types will be added in future releases.
       spark.createDataset(Seq(Map(1 -> 2))).collect
                          ^

【讨论】：