- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个包含小 CSV 文件的文件夹,其中包含目录:“/catmydata/2017/1/1、/catdata/2017/1/2”,每个目录都包含一堆 CSV,其中 CSV 中的每一行都有 cat 适应。
我想使用spark分配负载并转换数据并将其粘贴到输出目录中的二进制JavaObject文件中,类似于我的源数据“/convertedcatdata/2017/1/1/adoptedcatjavaobjectbinaryfile,/convertedcatdata/2017/1/1/adoptedcatjavaobjectbinaryfile”
我将使用的 Java 对象是这样的:
public class Cat{
private Date dateOfAdoption;
private String name;
private Boolean isMale;
private Person owner;
public Cat(String name, Boolean isMale, Person owner, Date dateOfAdoption){
this.name = name;
this.isMale = isMale;
this.owner = owner;
this.dateOfAdoption = dateOfAdoption;
}
}
public class AdoptedCats{
public List<Cat> catList;
public AdoptedCats(){
}
}
我习惯使用 python Spark 将 csv 文件转换为 avro,但问题是在这种情况下我的输出文件是一个已填充的 Java 对象类。我怎样才能创建这样一个文件,其中它是一个序列化的 java 对象,其中包含 AdoptedClass 对象,该对象填充了 CSV 中列出的所有猫?
我的意思是,如果有人编写 Java 代码(非 Spark)并打开序列化的“adoptedcatjavaobjectbinaryfile”,他们就可以访问 Java 类的内容。说:
AdoptedCats adoptedCats = <the adoptedcatjavaobjectbinaryfile>
System.out.println(adoptedCats.cats.length) // this would output say, 75 if there were 75 rows in the original CSV.
我假设我必须使用Java Spark...但我不确定如何创建spark脚本,以便它可以划分并征服一月份整个月的所有cat目录,并将它们输出到各自的目录中。任何帮助或示例都会非常有帮助。
最佳答案
实现这一目标的步骤-
假设文件(我有一个包含目录的小 CSV 文件的文件夹)是 /somepath/catmydata.csv
JavaSparkContext context = ......;
//Retrieve list of files from master file
List<String> files = context.textFile("/somepath/catmydata.csv")
.flatMap(row->Arrays.asList(row.split(",")).iterator()).collect();
//Iterate through each file and save it as object file
Map<String,JavaRDD<Cat>> adoptedCatsMap =new HashMap<String,JavaRDD<Cat>>();
for (String file:files) {
// Extract file path and attach to convert
String output=String.format("/convertedcatdata/%s",file.substring(file.indexOf('/'),file.length()))
JavaRDD<Cat> adoptedCatsRdd = context.textFile(file).map(s->new Cat(s));
adoptedCatsMap.put(output,adoptedCatsRdd);
//This will write number of files based on rdd partitions,
// if you want only one file in a directory then save it
// to temporary directory then use copyMerge to create one file using Hadoop fs FileUtil
// https://hadoop.apache.org/docs/r2.7.1/api/org/apache/hadoop/fs/FileUtil.html
//Save to physical location if required.
adoptedCatsRdd.saveAsObjectFile(output);
}
我希望这会有所帮助。
关于java - 如何使用Spark处理CSV数据并输出序列化的自定义JavaObject?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46535922/
我是 python 的新手。我试图找到我的文本的频率分布。这是代码, import nltk nltk.download() import os os.getcwd() text_file=open(
我对安卓 fragment 感到困惑。我知道内存 fragment 但无法理解什么是 android fragment 问题。虽然我发现很多定义,比如 Android fragmentation re
尝试对 WordPress 进行 dockerise 我发现了这个场景: 2个数据卷容器,一个用于数据库(bbdd),另一个用于wordpress文件(wordpress): sudo docker
这个问题已经有答案了: From the server is there a way to know that my page is being loaded in an Iframe (1 个回答)
我正在玩小型服务器,试图对运行在其上的服务进行docker化。为简化起见,假设我必须主要处理:Wordpress和另一项服务。 在Docker集线器上有许多用于Wordpress的图像,但是它们似乎都
我想要发生的是,当帐户成功创建后,提交的表单应该消失,并且应该出现一条消息(取决于注册的状态)。 如果成功,他们应该会看到一个简单的“谢谢。请检查您的电子邮件。” 如果不是,那么他们应该会看到一条适当
就是这样,我需要为客户添加一个唯一标识符。通过 strip 元数据。这就是我现在完全构建它的方式,但是我只有最后一部分告诉我用户购买了哪个包。 我试着看这里: Plans to stripe 代码在这
我有一个类将执行一些复杂的操作,涉及像这样的一些计算: public class ComplexAction { public void someAction(String parameter
这个问题已经有答案了: maven add a local classes directory to module's classpath (1 个回答) 已关闭10 年前。 我有一些不应更改的旧 E
我使用 fragment 已经有一段时间了,但我经常遇到一个让我烦恼的问题。 fragment 有时会相互吸引。现在,我设法为此隔离了一个用例,它是这样的: Add fragment A(也使用 ad
我的 html 中有一个 ol 列表,上面有行条纹。看起来行条纹是从数字后面开始的。有没有办法让行条纹从数字开始? 我已经包含了正在发生的事情的片段 h4:nth-child(even) {
如何仅使用 css 将附加图像 html 化? 如果用纯 css 做不到,那我怎么能至少用一个图像来做 最佳答案 这不是真正的问题,而是您希望我们为您编写代码。我建议您搜索“css breadcrum
以下是 Joshua 的 Effective Java 的摘录: If you do synchronize your class internally, you can use various te
在这里工作时,我们有一个框向业务合作伙伴提供 XML 提要。对我们的提要的请求是通过指定查询字符串参数和值来定制的。其中一些参数是必需的,但很多不是。 例如,我们要求所有请求都指定一个 GUID 来标
我有 3 个缓冲区,其中包含在 32 位处理器上运行的 R、G、B 位数据。 我需要按以下方式组合三个字节: R[0] = 0b r1r2r3r4r5r6r7r8 G[0] = 0b g1g2g3g4
我最近发现了关于如何使用 History.js、jQuery 和 ScrollTo 通过 HTML5 History API 对网站进行 Ajax 化的要点:https://github.com/br
我们有一个 Spring Boot 应用程序,由于集成需要,它变得越来越复杂——比如在你这样做之后发送一封电子邮件,或者在你之后广播一条 jms 消息等等。在寻找一些更高级别的抽象时,我遇到了 apa
我正在尝试首次实施Google Pay。我面临如何指定gateway和gatewayMarchantId的挑战。 我所拥有的是google console帐户,不知道在哪里可以找到此信息。 priva
昨天下午 3 点左右,我为两个想要从一个 Azure 帐户转移到另一个帐户的网站设置了 awverify 记录。到当天结束时,Azure 仍然不允许我添加域,所以我赌了一把,将域和 www 子域重新指
我正在使用terms facet在elasticsearch服务器中获取顶级terms。现在,我的标签"indian-government"不被视为一个标签。将其视为"indian" "governm
我是一名优秀的程序员,十分优秀!