Question

我可以很容易地将Scala中的DataFrame转换为Dataset：

case class Person(name:String, age:Long)
val df = ctx.read.json("/tmp/persons.json")
val ds = df.as[Person]
ds.printSchema

但在Java版本中，我不知道如何将Dataframe转换为Dataset？有什么想法吗？

我的努力是：

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = new Encoder<>();
Dataset<Person> ds = new Dataset<Person>(ctx,df.logicalPlan(),encoder);
ds.printSchema();

但是编译器说：

Error:(23, 27) java: org.apache.spark.sql.Encoder is abstract; cannot be instantiated

编辑（溶液）：

基于@Leet-Falcon答案的解决方案：

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = Encoders.bean(Person.class);
Dataset<Person> ds = new Dataset<Person>(ctx, df.logicalPlan(), encoder);

Answer 1

官方Spark文档在Dataset API中建议如下：

通过在 Encoders 上调用静态方法来指定Java编码器。

List<String> data = Arrays.asList("abc", "abc", "xyz");
Dataset<String> ds = context.createDataset(data, Encoders.STRING());

编码器可以组成元组：

Encoder<Tuple2<Integer, String>> encoder2 = Encoders.tuple(Encoders.INT(), Encoders.STRING());
List<Tuple2<Integer, String>> data2 = Arrays.asList(new scala.Tuple2(1, "a");
Dataset<Tuple2<Integer, String>> ds2 = context.createDataset(data2, encoder2);

或者通过Encoders#bean从Java Bean构建：

Encoders.bean(MyClass.class);

Answer 2

如果要将通用DF转换为Java中的数据集，可以使用如下的RowEncoder类

DataFrame df = sql.read().json(sc.parallelize(ImmutableList.of(
            "{\"id\": 0, \"phoneNumber\": 109, \"zip\": \"94102\"}"
    )));

    Dataset<Row> dataset = df.as(RowEncoder$.MODULE$.apply(df.schema()));

如何在Java中的Apache Spark中将DataFrame转换为Dataset？

编辑（溶液）：

2 个答案: