spark创建空dataframe
Posted bitcarmanlee
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了spark创建空dataframe相关的知识,希望对你有一定的参考价值。
1.emptyDataFrame
项目中会需要用到创建空的dataframe。spark提供了emptyDataFrame方法,可以直接创建。
/**
* Returns a `DataFrame` with no rows or columns.
*
* @since 2.0.0
*/
@transient
lazy val emptyDataFrame: DataFrame =
createDataFrame(sparkContext.emptyRDD[Row], StructType(Nil))
源码中已经很明确告诉我们,emptyDataFrame创建了一个不含任何行列且schema为空的dataframe。
这个空的dataframe在实际中用途有限,比如如下场景。
def t2() =
val sparkConf = new SparkConf().setMaster("local[2]")
val spark = SparkSession.builder().config(sparkConf).getOrCreate()
import spark.implicits._
val seq = Seq(("id1", 1), ("id1", 1), ("id1", 2), ("id2", 1), ("id2", 1))
val df = spark.sparkContext.parallelize(seq, 1).toDF("id", "num")
var emptydf = spark.emptyDataFrame
emptydf = emptydf.union(df)
emptydf.show(10)
上面的方法运行时候直接抛出错误信息
org.apache.spark.sql.AnalysisException: Union can only be performed on tables with the same number of columns, but the first table has 0 columns and the second table has 2 columns;;
'Union
:- LogicalRDD
+- Project [_1#3 AS id#6, _2#4 AS num#7]
+- SerializeFromObject [staticinvoke(class org.apache.spark.unsafe.types.UTF8String, StringType, fromString, assertnotnull(input[0, scala.Tuple2, true], top level Product input object)._1, true) AS _1#3, assertnotnull(input[0, scala.Tuple2, true], top level Product input object)._2 AS _2#4]
+- ExternalRDD [obj#2]
错误信息也很直观,emptydf是0 columns,df是2 columns,所以无法直接union。
2.emptyDataFrame指定schema
为了解决上面的问题,我们需要在生成emptyDataFrame的时候指定schema。
import org.apache.spark.sql.types.IntegerType, StringType, StructField, StructType
def t2() =
val sparkConf = new SparkConf().setMaster("local[2]")
val spark = SparkSession.builder().config(sparkConf).getOrCreate()
import spark.implicits._
val seq = Seq(("id1", 1), ("id1", 1), ("id1", 2), ("id2", 1), ("id2", 1))
val df = spark.sparkContext.parallelize(seq, 1).toDF("id", "num")
val schema = StructType(
Seq(StructField("id", StringType, true),
StructField("num", IntegerType, true))
)
var emptydf = spark.createDataFrame(spark.sparkContext.emptyRDD[Row], schema)
emptydf = emptydf.union(df)
emptydf.show(10)
通过StructType与StructField配合使用,就可以实现上述目的。
以上是关于spark创建空dataframe的主要内容,如果未能解决你的问题,请参考以下文章
如何配置 Spark / Glue 以避免在 Glue 作业成功执行后创建空的 $_folder_$
使用来自另一个 DF (Scala Spark) 的模式创建一个空 DF