NULL 指针异常，同时在 foreach() 中创建 DF

Question

我必须从 S3 读取某些文件，因此我创建了一个包含这些文件在 S3 上的路径的 CSV。我正在使用以下代码读取创建的 CSV 文件：

val listofFilesRDD = sparkSession.read.textFile("s3://"+ file)

这工作正常。然后我试图读取每条路径并创建数据框，如：

listofFilesRDD.foreach(iter => {
  val pathDF = sparkSession.read
    .schema(testSchema)
    .option("headers", true)
    .csv("s3://"+iter)

  pathDF.printSchema()
})

但是，上面的代码给出了 NullPointerException。

那么，我该如何修复上面的代码？

Answer 1

您不能访问 RDD 内部的 RDD！这是唯一的规则！您必须做些其他事情才能使您的逻辑正常工作！

您可以在这里找到更多相关信息：NullPointerException in Scala Spark, appears to be caused be collection type?

Answer 2

您可以解决上述问题，如下所示，您只需创建 s3 文件路径数组并遍历该数组并在其中创建 DF，如下所示

val listofFilesRDD = sparkSession.read.textFile("s3://"+ file)
val listOfPaths = listofFilesRDD.collect()

    listOfPaths.foreach(iter => {
    val pathDF = sparkSession.read
    .schema(testSchema)
    .option("headers", true)
    .csv("s3://"+iter)


pathDF.printSchema()
})

Answer 3

如果有人遇到DataFrame问题，可以解决这个问题。

   def parameterjsonParser(queryDF:DataFrame,spark:SparkSession): Unit ={
        queryDF.show()
        val otherDF=queryDF.collect()
        otherDF.foreach { row =>
          row.toSeq.foreach { col =>
            println(col)
            mainJsonParser(col.toString,spark)
          }
        }

谢谢@Sandeep Purohit

NULL 指针异常，同时在 foreach() 中创建 DF

NULL Pointer Exception, while creating DF inside foreach()

scala

amazon-s3

bigdata

apache-spark

spark-dataframe