java - 在 Java 中将一列附加到 Apache Spark 1.4 中的数据框

Question

我正在尝试向我的 DataFrame 添加一列，作为该列的唯一 ROW_ID。所以，它会是这样的1、用户12、用户23、用户3...我本可以使用带有整数迭代的 hashMap 轻松完成此操作，但我无法使用 DataFrame 上的 map 函数在 spark 中执行此操作，因为我不能在 map 函数中增加整数。有什么办法可以通过将一列附加到我现有的 DataFrame 或任何其他方式来做到这一点？PS:我知道有一个很similar post ，但那是针对 Scala 而不是 java。

提前致谢

Answer 1

我通过在 DataFrame 的新列中添加一个包含 UUID 的列来做到这一点。

StructType objStructType = inputDataFrame.schema();
        StructField []arrStructField=objStructType.fields();
        List<StructField> fields = new ArrayList<StructField>();
        List<StructField> newfields = new ArrayList<StructField>();
        List <StructField> listFields = Arrays.asList(arrStructField);
        StructField a = DataTypes.createStructField(leftCol,DataTypes.StringType, true);
        fields.add(a);
        newfields.addAll(listFields);
        newfields.addAll(fields);
        final int size = objStructType.size();

    JavaRDD<Row> rowRDD =   inputDataFrame.javaRDD().map(new Function<Row, Row>() {
        private static final long serialVersionUID = 3280804931696581264L;
        public Row call(Row tblRow) throws Exception {

                Object[] newRow = new Object[size+1];
                int rowSize=    tblRow.length();
                for (int itr = 0; itr < rowSize; itr++)
                {
                    if(tblRow.apply(itr)!=null)
                    {
                        newRow[itr] = tblRow.apply(itr);
                    }

                }
                newRow[size] = UUID.randomUUID().toString();
                return RowFactory.create(newRow);

        }
    });



    inputDataFrame = objsqlContext.createDataFrame(rowRDD, DataTypes.createStructType(newfields));