将 JavaPairRDD 转换为 JavaRDD

Question

我正在使用 ElasticSearch-Hadoop 库从 ElsticSearch 获取数据。

JavaPairRDD<String, Map<String, Object>> esRDD = JavaEsSpark.esRDD(sc);

现在我有了 JavaPairRDD。我想在此 RDD 上使用 MLLib 中的随机森林。 所以我将它转换为 JavaPairRDD.toRDD(esRDD) 这将给我 RDD。 使用 RDD 我再次转换为 JavaRDD

JavaRDD<LabeledPoint>[] splits = (JavaRDD.fromRDD(JavaPairRDD.toRDD(esRDD),
            esRDD.classTag())).randomSplit(new double[] { 0.5, 0.5 });

JavaRDD<LabeledPoint> trainingData = splits[0];
JavaRDD<LabeledPoint> testData = splits[1];

我想将 trainingData 和 TestData 传递给随机森林算法，但它在编译时给出了转换异常。

Type mismatch: cannot convert from JavaRDD[Tuple2[String,Map[String,Object]]][] to JavaRDD[LabeledPoint][]

添加方括号是因为小于号和大于号不起作用

谁能告诉我正确的 Casting 方法。我是 Spark Datastrucutres 的新手。

Answer 1

JavaPairRDD 列中有哪些数据？与普通 RDD 不同，JavaPairRDD 是第一列和第二列之间的 key/value 映射。

您可能想要从 JavaPairRDD 中删除第一列，只返回带有值列的 JavaRDD。

为此，只需 运行 类似：

JavaRDD newRDD = esRDD.map(x => x._2);

或相当于创建一个没有第一列的新 JavaRDD。