在 2.0 中将 RDD 转换为 Dataframe

Question

我正在尝试将 rdd 转换为 Spark2.0 中的数据帧

val conf=new SparkConf().setAppName("dataframes").setMaster("local")
val sc=new SparkContext(conf)
val sqlCon=new SQLContext(sc)
import sqlCon.implicits._
val rdd=sc.textFile("/home/cloudera/alpha.dat").persist()
val row=rdd.first()
val data=rdd.filter { x => !x.contains(row) }

data.foreach { x => println(x) }


case class person(name:String,age:Int,city:String)
val rdd2=data.map { x => x.split(",") }
val rdd3=rdd2.map { x => person(x(0),x(1).toInt,x(2)) }
val df=rdd3.toDF()


df.printSchema();
df.registerTempTable("alpha")
val df1=sqlCon.sql("select * from alpha")
df1.foreach { x => println(x) }

但我在 toDF() 处出现以下错误。 ---> "val df=rdd3.toDF() "

Multiple markers at this line:
- 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.
- Implicit conversion found: rdd3 ⇒ rddToDatasetHolder(rdd3): (implicit evidence: 
 org.apache.spark.sql.Encoder[person])org.apache.spark.sql.DatasetHolder[person]

如何使用 toDF()

将以上内容转换为 Dataframe

Answer 1

Cloudera 和 Spark 2.0？嗯，没想到我们还支持它:)

无论如何，首先你不需要在你的 RDD 上调用 .persist() 所以你可以删除那个位。其次，由于 Person 是一个案例 class 你应该把它的名字大写。

最后，在 Spark 2.0 中，您不再调用 import sqlContext.implicits._ 来隐式构建 DataFrame 模式，您现在调用 import spark.implicits._。您的错误消息暗示了这一点。

Answer 2

有一个简单的错误，我在 main 方法中定义了 case class。删除相同的内容后，我可以将 RDD 转换为 DataFrame。

package sparksql

import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.Encoders
import org.apache.spark.SparkContext

object asw {

case class Person(name:String,age:Int,city:String)
def main(args: Array[String]): Unit = {

val conf=new SparkConf().setMaster("local").setAppName("Dataframe")
  val sc=new SparkContext(conf)
val spark=SparkSession.builder().getOrCreate()
import spark.implicits._


val rdd1=sc.textFile("/home/cloudera/alpha.dat")
val row=rdd1.first()
val data=rdd1.filter { x => !x.contains(row) }
val rdd2=data.map { x => x.split(",") }
val df=rdd2.map { x => Person(x(0),x(1).toInt,x(2)) }.toDF()
df.createOrReplaceTempView("rdd21")
spark.sql("select * from rdd21").show()

}
}

在 2.0 中将 RDD 转换为 Dataframe

convert RDD to Dataframe in 2.0

apache-spark

apache-spark-sql

spark-dataframe