hadoop - 将 Spark RDD 保存到 Hive 表

Question

在 spark 中，我想将 RDD 对象保存到配置单元表中。我正在尝试使用 createDataFrame 但这是抛出

Exception in thread "main" java.lang.NullPointerException

 val products=sc.parallelize(evaluatedProducts.toList);
 //here products are RDD[Product]
 val productdf = hiveContext.createDataFrame(products, classOf[Product])

我使用的是 Spark 1.5 版本。

Answer 1

如果您的 Product 是一个类(不是案例类)，我建议您在创建 DataFrame 之前将您的 rdd 转换为 RDD[Tuple]:

import org.apache.spark.sql.hive.HiveContext

val hiveContext = new HiveContext(sc)
import hiveContext.implicits._

val productDF = products
  .map({p: Product => (p.getVal1, p.getVal2, ...)})
  .toDF("col1", "col2", ...)

通过这种方法，您可以将 Product 属性作为 DataFrame 中的列。

然后你可以创建一个临时表:

productDF.registerTempTable("table_name")

或物理表:

productDF.write.saveAsTable("table_name")