为什么以下结果会出错?
scala> import sqlContext.implicits._
import sqlContext.implicits._
scala> val rdd = sc.parallelize(1 to 10).map(x => (Map(x -> 0), 0))
rdd: org.apache.spark.rdd.RDD[(scala.collection.immutable.Map[Int,Int], Int)] = MapPartitionsRDD[20] at map at <console>:27
scala> rdd.toDF
res8: org.apache.spark.sql.DataFrame = [_1: map<int,int>, _2: int]
scala> val rdd = sc.parallelize(1 to 10).map(x => Map(x -> 0))
rdd: org.apache.spark.rdd.RDD[scala.collection.immutable.Map[Int,Int]] = MapPartitionsRDD[23] at map at <console>:27
scala> rdd.toDF
<console>:30: error: value toDF is not a member of org.apache.spark.rdd.RDD[scala.collection.immutable.Map[Int,Int]]
rdd.toDF
那么到底发生了什么,toDF可以将(scala.collection.immutable.Map[Int,Int], Int)
类型的RDD转换为DataFrame,而不是类型scala.collection.immutable.Map[Int,Int]
。这是为什么?
答案 0 :(得分:9)
出于同样的原因,你不能使用
sqlContext.createDataFrame(1 to 10).map(x => Map(x -> 0))
如果您查看org.apache.spark.sql.SQLContext
来源,您会发现createDataFrame
方法的两种不同实现:
def createDataFrame[A <: Product : TypeTag](rdd: RDD[A]): DataFrame
和
def createDataFrame[A <: Product : TypeTag](data: Seq[A]): DataFrame
正如您所看到的,两者都需要A
作为Product
的子类。当您在toDF
上致电RDD[(Map[Int,Int], Int)]
时,Tuple2
确实是Product
。 Map[Int,Int]
本身并不是错误。
您可以使用Map
Tuple1
来使其有效
sc.parallelize(1 to 10).map(x => Tuple1(Map(x -> 0))).toDF
答案 1 :(得分:5)
基本上是因为没有隐式为RDD内的Map创建DataFrame。
在第一个示例中,您将返回一个Tuple,它是一个隐式转换的Product。
rddToDataFrameHolder[A <: Product : TypeTag](rdd: RDD[A])
在第二个示例中,您使用的RDD中有一个Map,没有隐式转换。