apache-spark - 如何将一行数组平面映射为多行？

Question

解析一些jsons后，我有一个一列的数组DataFrame

scala> val jj =sqlContext.jsonFile("/home/aahu/jj2.json")
res68: org.apache.spark.sql.DataFrame = [r: array<bigint>]
scala> jj.first()
res69: org.apache.spark.sql.Row = [List(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)]

我想将每一行分解成几行。如何？

编辑:

原始json文件:

{"r": [0,1,2,3,4,5,6,7,8,9]}
{"r": [0,1,2,3,4,5,6,7,8,9]}

我想要一个 20 行的 RDD 或 DataFrame。

我不能在这里简单地使用 flatMap - 我不确定 spark 中合适的命令是什么:

scala> jj.flatMap(r => r)
<console>:22: error: type mismatch;
 found   : org.apache.spark.sql.Row
 required: TraversableOnce[?]
              jj.flatMap(r => r)

Answer 1

您可以使用 DataFrame.explode实现你的愿望。以下是我在 spark-shell 中使用您的示例 json 数据尝试的内容。

import scala.collection.mutable.ArrayBuffer
val jj1 = jj.explode("r", "r1") {list : ArrayBuffer[Long] => list.toList }
val jj2 = jj1.select($"r1")
jj2.collect

可以引用API文档了解更多 DataFrame.explode