java - 如何将 Dataset> 转换为 Iterator

Question

我有Dataset<Tuple2<String,DeviceData>>并想将其转换为 Iterator<DeviceData> .

下面是我使用 collectAsList() 的代码方法，然后得到 Iterator<DeviceData> .

Dataset<Tuple2<String,DeviceData>> ds = ...;
List<Tuple2<String, DeviceData>> listTuple = ds.collectAsList();

ArrayList<DeviceData> myDataList = new ArrayList<DeviceData>();
for(Tuple2<String, DeviceData> tuple : listTuple){
    myDataList.add(tuple._2());
}

Iterator<DeviceData> myitr = myDataList.iterator();

我不能使用 collectAsList()因为我的数据很大，会影响性能。我查看了数据集 API，但无法获得任何解决方案。我用谷歌搜索但找不到任何答案。有人可以指导我吗？如果解决方案是在 java 中，那就太好了。谢谢。

编辑:

DeviceData类是简单的javabean。这是 ds 的 printSchema() 输出。

root
 |-- value: string (nullable = true)
 |-- _2: struct (nullable = true)
 |    |-- deviceData: string (nullable = true)
 |    |-- deviceId: string (nullable = true)
 |    |-- sNo: integer (nullable = true)

Answer 1

您可以直接从ds中提取DeviceData，而无需重新收集和构建。

Java:

Function<Tuple2<String, DeviceData>, DeviceData> mapDeviceData =
    new Function<Tuple2<String, DeviceData>, DeviceData>() {
      public DeviceData call(Tuple2<String, DeviceData> tuple) {
        return tuple._2();
      }
    };

Dataset<DeviceData> ddDS = ds.map(mapDeviceData) //extracts DeviceData from each record

斯卡拉:

val ddDS = ds.map(_._2) //ds.map(row => row._2)