【发布时间】:2016-10-15 18:35:30
【问题描述】:
是否可以将 Row RDD 转换为 Typed RDD。在下面的代码中,我可以将行 JavaRDD 转换为 Counter 类型的 JavaRDD
代码:
JavaRDD<Counter> rdd = sc.parallelize(counters);
Dataset<Counter> ds = sqlContext.createDataset(rdd.rdd(), encoder);
DataFrame df = ds.toDF();
df.show()
df.write().parquet(path);
DataFrame newDataDF = sqlContext.read().parquet(path);
newDataDF.toJavaRDD(); // This gives a row type rdd
在 Scala 中:
case class A(countId: Long, bytes: Array[Byte], blist: List[B])
case class B(id: String, count: Long)
val b1 = B("a", 1L)
val b2 = B("b", 2L)
val a1 = A(1L, Array(1.toByte,2.toByte), List(a1, a2))
val rdd = sc.parallelize(List(a1))
val dataSet: Dataset[A] = sqlContext.createDataset(rdd)
val df = dataSet.toDF()
// this shows, so this last entry is for List[B] in which it is storing string as null
|1|[01 02]| [[null,3984726108...|]
df.show
df.write.parquet(path)
val roundTripRDD = sqlContext.read.parquet(path).as[A].rdd
//throws error here when run show on df
Caused by: org.codehaus.commons.compiler.CompileException: File 'generated.java',
Line 300, Column 68:
No applicable constructor/method found for actual parameters
"long, byte[], scala.collection.Seq"; candidates are:
"test.data.A(long, byte[], scala.collection.immutable.List)"
roundTripRDD.toDF.show
assertEquals(roundTripRDD, rdd)
是否需要为案例类提供某种构造函数?
【问题讨论】:
-
你必须在Dataset中使用toJavaRDD,而不是在Dataframe中。
-
我没听懂,什么意思?
-
DataFrame to toJavaRDD() 你会得到 JavaRDD
但是如果你有 Dataset
toJavaRDD 你会得到 JavaRDD -
哦,好的。我更改了我的代码以反映这一点,并且我能够让它在 scala 中工作。我也试图让它在 scala 中工作,但它不工作。知道我在那里想念什么吗?我提到的那一行是抛出错误 sqlContext.read.parquet(path).as[A].show
标签: apache-spark spark-dataframe rdd parquet apache-spark-dataset