如何在Java中的Apache Spark中将DataFrame转换为Dataset？

一尘不染

如何在Java中的Apache Spark中将DataFrame转换为Dataset？

java

我可以很容易地在Scala中将DataFrame转换为Dataset：

case class Person(name:String, age:Long)
val df = ctx.read.json("/tmp/persons.json")
val ds = df.as[Person]
ds.printSchema

但是在Java版本中，我不知道如何将Dataframe转换为Dataset？任何想法？

我的努力是：

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = new Encoder<>();
Dataset<Person> ds = new Dataset<Person>(ctx,df.logicalPlan(),encoder);
ds.printSchema();

但是编译器会说：

Error:(23, 27) java: org.apache.spark.sql.Encoder is abstract; cannot be instantiated

编辑（解决方案）：

基于@ Leet-Falcon的解决方案答案：

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = Encoders.bean(Person.class);
Dataset<Person> ds = new Dataset<Person>(ctx, df.logicalPlan(), encoder);

阅读 244

2020-12-03

共1个答案

一尘不染

Spark官方文档在Dataset
API中建议以下内容：

通过在
Encoders
上调用静态方法来指定Java编码
器
。

List<String> data = Arrays.asList("abc", "abc", "xyz");
Dataset<String> ds = context.createDataset(data, Encoders.STRING());

编码器可以组成元组：

Encoder<Tuple2<Integer, String>> encoder2 = Encoders.tuple(Encoders.INT(), Encoders.STRING());
List<Tuple2<Integer, String>> data2 = Arrays.asList(new scala.Tuple2(1, "a");
Dataset<Tuple2<Integer, String>> ds2 = context.createDataset(data2, encoder2);

或由Java
Beans由Encoders＃bean构造：

Encoders.bean(MyClass.class);

2020-12-03