Question

我Array[org.apache.spark.sql.Row]返回了sqc.sql(sqlcmd).collect()：

Array([10479,6,10], [8975,149,640], ...)

我可以获得个人价值观：

scala> pixels(0)(0)
res34: Any = 10479

但它们是Any，而不是Int。

如何将其提取为Int？

The most obvious solution无效：

scala> pixels(0).getInt(0)
java.lang.ClassCastException: java.lang.String cannot be cast to java.lang.Int

PS。我可以pixels(0)(0).toString.toInt或pixels(0).getString(0).toInt，但他们感觉不对......

Answer 1

使用getInt应该有效。这是一个人为的例子作为概念证明

import org.apache.spark.sql._
sc.parallelize(Array(1,2,3)).map(Row(_)).collect()(0).getInt(0)

此返回1

然而，

sc.parallelize(Array("1","2","3")).map(Row(_)).collect()(0).getInt(0)

失败。因此，它看起来像是以字符串形式出现，您必须手动转换为int。

sc.parallelize(Array("1","2","3")).map(Row(_)).collect()(0).getString(0).toInt

documentation表示getInt：

以int形式返回第i列的值。如果值不是整数，或者它是null，则此函数将抛出异常。

所以，它似乎不会试图为你施展

Answer 2

Row class（另请参阅https://spark.apache.org/docs/1.1.0/api/scala/index.html#org.apache.spark.sql.package）包含方法getInt(i: Int)，getDouble(i: Int)等。

另请注意，SchemaRDD是RDD[Row] 加上 a schema，它会告诉您哪个列具有哪种数据类型。如果您执行.collect()，则只会获得不的Array[Row]信息。因此，除非您确定数据是什么样的，否则从SchemaRDD获取模式，然后收集行，然后使用正确的类型信息访问每个字段。

Answer 3

答案是相关的。您不需要使用collect而是需要调用方法getInt getString和getAs以防数据类型复杂

val popularHashTags = sqlContext.sql("SELECT hashtags, usersMentioned, Url FROM tweets")
var hashTagsList =  popularHashTags.flatMap ( x => x.getAs[Seq[String]](0))

从`org.apache.spark.sql.Row`中提取信息

3 个答案: