将RDD [Map [String,String]]转换为Spark数据帧

时间:2017-03-30 13:19:56

标签: python json scala apache-spark rdd

我正在尝试将val rec: RDD[Map[String, String]]转换为Spark数据帧。

但是当我执行时:

val sqlContext = new SQLContext(sc)
val df = sqlContext.createDataFrame(rec, classOf[Map[String, String]])

df.write.json("/tmp/file.json") 

文件json中充满了空对象:

{}
{}
{}
{}
{}

我将它转换为json只是因为我想保存rec val并稍后在python中使用SQLContext对象重用它。

所以问题是如何保存我在Scala中创建的RDD[HashMap[String, String]]并稍后在Python中重用?

更新

rec val包含

Map(Param_timestamp -> 2017-03-28T02:00:02.887, Param_querytype -> listing, Param_slug -> /salute-beauty-fitness/bellezza-cura-del-corpo/cosmesi/makeup, Param_br -> CAUDALIE)

df.show()返回:

++
||
++
||
... all the 20 lines are the alike "||"
||
++
only showing top 20 rows

1 个答案:

答案 0 :(得分:0)

只要您掌握了架构,就可以通过使用StructField和StructType重新创建它,doc我很清楚地解释它。至于scala,我并不完全熟悉它,但是Java中的一个小例子可能有所帮助(当我有更多时间时,我会将它转换为Scala):

    JavaSparkContext jsc = new JavaSparkContext(
            new SparkConf().setAppName("test").setMaster("local[*]"));
    jsc.setLogLevel("ERROR");
    System.setProperty("hadoop.home.dir", "C:\\Temp\\tt\\Tools");

    List<Tuple2<String, String>> test = new ArrayList<Tuple2<String, String>>();
    Tuple2<String, String> tt = new Tuple2<String, String>("key", "val1");
    test.add(tt);
    tt = new Tuple2<String, String>("key", "val2");
    test.add(tt);
    tt = new Tuple2<String, String>("key2", "val");
    test.add(tt);

    JavaPairRDD<String, String> testRDD = jsc.parallelizePairs(test);

    System.out.println(testRDD.first());

    SparkContext sc = JavaSparkContext.toSparkContext(jsc);
    SparkSession ss = new SparkSession(sc);
    StructField[] fields = {
            DataTypes.createStructField("key", DataTypes.StringType, false),
            DataTypes.createStructField("val", DataTypes.StringType, false) };
    StructType schema = DataTypes.createStructType(fields);
    JavaRDD<Row> testRowRDD = testRDD.map(line -> RowFactory.create(line._1, line._2));
    Dataset<Row> myDF = ss.createDataFrame(testRowRDD, schema);
    myDF.show();

    myDF.write().json("test.json");

    jsc.close();

输出是几个Json文件,包含如下所示的每一行:

{"key":"key2","val":"val"}