- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在创建 JavaRDD<Model>
通过读取文本文件并将每一行映射到模型类属性。
然后我正在转换JavaRDD<Model>
至 DataFrame
使用 sqlContext
.
DataFrame fileDF = sqlContext.createDataFrame(javaRDD, Model.class);
基本上,我们正在尝试使用 DataFrame API 来提高性能和易于编写。
DataFrame转JavaRDD会不会有性能下降,会不会重新创建模型对象。
我这样做的原因是,我没有看到任何使用 sqlContext 直接读取文本文件的方法。
有没有其他有效的方法来做到这一点?
最佳答案
会不会慢一些?
肯定会有一些开销,虽然我没有对多少进行基准测试。为什么?因为 createDataFrame
必须:
DataFrame
的模式(一次用于整个 RDD)DataFrame
对象。有关系吗?
我怀疑。反射会非常快,因为它只是一个对象,而且那里可能只有少数字段。
转型会不会很慢?同样可能不会,因为每条记录只有几个字段要迭代。
备选方案
但是如果您不将该 RDD 用于任何其他用途,您可以在 DataFrameReader 中进行一些选择。可以通过SQLContext.read()
访问的类:
关于 1 和 2 的好处是你得到了一个实际的模式。最后一个,您将路径传递给文件(与其他两种方法一样),但由于未指定格式,Spark 没有关于模式的任何信息 -> 文件中的每一行都被视为 DF 中的新行具有包含整行的单列 value
。
如果您有一个允许创建模式的文本文件,例如 CSV,您可以尝试使用第三方库,例如 Spark CSV .
关于java - Apache Spark - 将 JavaRDD 转换为 DataFrame,反之亦然,性能会下降吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34737501/
我正在使用以下命令将 txt 文件作为 JavaRDD 读取: JavaRDD vertexRDD = ctx.textFile(pathVertex); 现在,我想将其转换为 JavaRDD,因为在
我正在尝试将类型化rdd转换为行rdd,然后从中创建数据框。当我执行代码时,它抛出异常。 代码: JavaRDD rdd = sc.parallelize(counters); JavaRDD row
我正在尝试将 csv 文件作为 JavaRDD 字符串加载,然后想要获取 JavaRDD Vector 中的数据 import org.apache.spark.SparkConf; import o
我正在尝试将推文从 twitter 保存到 MongoDb 数据库。 我有RDD我正在尝试借助 ObjectMapper 将其转换为 JSON 格式。但是此转换存在一些问题( public class
我正在尝试对维基百科 XML 转储执行 LDA。在获得原始文本的 RDD 之后,我创建了一个数据框并通过 Tokenizer、StopWords 和 CountVectorizer 管道对其进行转换。
我有一个类对象列表的 JavaRDD。我想将它展平为类对象的 JaveRDD,这样JavaRDD 转到 JavaRDD 在这篇文章中 Convert RDD List to RDD of indivi
有没有直接转换JavaRDD>的方法至JavaRDD使用 Apache-Spark 的 Java API? JavaPairRDD> baseRDD = sc.newAPIHadoopFile(arg
JavaRDD> documents = StopWordsRemover.Execute(lemmatizedTwits).toJavaRDD().map(new Function>() {
我已经开始将我的 Pyspark 应用程序编写为 Java 实现。我正在使用 Java 8。我刚开始在 java 中执行一些基本的 spark progrma。我使用了以下 wordcount示例。
我有一个JavaRDD>当我使用时,我的文件在每个字符串列表的开头和结尾处都用 [] 写入 javacontext.parallelize(rdd).coalesce(1, true).saveAsT
我正在尝试对行类型数据执行 JavaRDD 操作。但我无法解析或迭代 JavaRDD 数据 架构: root |-- categories: array (nullable = true) |
我正在尝试将预测映射到 LinearRegression 模型,以便将它们传递到 BinaryClassificationMetrics boject: // Make predictions on
我有一个宽度为 100 字节的文本文件。以下是结构。我需要读取 JavaRDD 中的数据。 RecType - String 1 Byte Date - String 8 byte Produc
我有一个 CSV 数据集,其中包含以下列(Accident_Id、日期、区域)和数百行。我想要实现的是将“区域”列分组为可能的唯一组,并找到每个组的计数。 我知道如何使用 SQLContext 来做到
我试图合并多个 JavaRDD,但我只合并了 2 个,有人可以帮忙吗?我已经为此苦苦挣扎了一段时间,但总的来说,我希望能够获得多个集合并使用 sqlContext 创建一个组并打印出所有结果。 这里是
我正在使用 Spark SQL 在 Spark 应用程序中从 Cassandra 检索数据。数据以 DataSet 形式检索。但是,我需要使用 javaRDD() 函数将此数据集转换为 JavaRDD
我需要对一个巨大的 RDD 进行复杂的计算,但为了简单起见,我将问题简化为更简单的问题: 我有一个像这样获得的JavaRDD: JavaRDD students = sc.parallelize(
我有一个 IP 列表作为字符串列表存储在 JavaRDD 中 logLine:[[54.186.7.47]、[178.154.189.203]、[10.55.1.29]、[115.93.74.252]
请帮助我了解将 spark javaRDD 的输出保存到数据库中的最佳方法是什么? 我应该编写spark java代码将RDD保存到数据库中吗?这种方法有什么缺点? 或者我应该使用sqoop将输出文件
我正在收集一个 RDD,需要使用以下代码在 Spark Java API 中对其进行排序: List alarmedTimeStamps=sensorDataDoubleDF.toJavaRDD().
我是一名优秀的程序员,十分优秀!