我正在尝试将数据集循环添加到空数据集。 但是结果数据集始终为空。
我试图通过仅执行代码中注释的第1行来从循环中消除变量failedRows
,但仍然有空的failedRows
数据集。
Dataset<Row> failedRows = sparkSession.createDataFrame(new ArrayList<>(), itemsDS.schema());
failedRows.count();
Dataset<Row> filteredDs;
for(String tagName: mandatoryTagsList){
//failedRows.union(itemsDS.filter(functions.col(tagName).isNull()));//Line 1
filteredDs = itemsDS.filter(functions.col(tagName).isNull());
if(filteredDs.count()>0){
failedRows.union(filteredDs);//Line 2
failedRows.count();
}
}
有人知道为什么工会没有真正产生期望的结果吗?
答案 0 :(得分:0)
您每次都需要保存到一个新变量。
Dataset
与Spark中的所有分布式集合一样都是不可变的。
failedRows = failedRows.union(filteredDs);//Line 2