java - 如何将自定义 Java 类转换为 Spark 数据集

Question

我想不出在 Spark 中将测试对象列表转换为数据集的方法这是我的课:

public class Test {
    public String a;
    public String b;
    public Test(String a, String b){
        this.a = a;
        this.b = b;
    }

    public List getList(){
        List l = new ArrayList();
        l.add(this.a);
        l.add(this.b);

        return l;
    }
}

Answer 1

您在注释中创建 DataFrame 的代码是正确的。但是，您定义 Test 的方式存在问题。您只能使用来自 Java Beans 的代码创建 DataFrame。您的 Test 类不是 Java Bean .修复该问题后，您可以使用以下代码创建 DataFrame:

Dataset<Row> dataFrame = spark.createDataFrame(listOfTestClasses, Test.class);

和这些行来创建类型化数据集:

Encoder<Test> encoder = Encoders.bean(Test.class);
Dataset<Test> dataset = spark.createDataset(listOfTestClasses, encoder);