RDDDataFrame与DataSet的相互转换

Posted 2020-11-25 gxiaobai

RDD、DataFrame与DataSet三者有许多的共性，都有各自使用的场景，常常需要在三者之间进行转换

DataFrame/Dataset 转 RDD：

val rdd1=testDF.rdd

val rdd2=testDS.rdd

RDD 转 DataFrame：

// 一般用元组把一行的数据写在一起，然后在toDF中指定字段名

import spark.implicits._

val testDF = rdd.map {line=>

(line._1,line._2)

}.toDF("col1","col2")

RDD 转 Dataet：

// 核心就是要定义case class

import spark.implicits._

case class Coltest(col1:String, col2:Int)

val testDS = rdd.map{line=>Coltest(line._1,line._2)}.toDS

DataSet 转 DataFrame：

// 这个转换简单，只是把 case class 封装成Row

import spark.implicits._

val testDF = testDS.toDF

DataFrame 转 DataSet：

// 每一列的类型后，使用as方法（as方法后面还是跟的case class，这个是核心），转成Dataset。

import spark.implicits._

case class Coltest … …

val testDS = testDF.as[Coltest]

特别注意：

在使用一些特殊操作时，一定要加上import spark.implicits._ 不然toDF、toDS无法使用

三者转换关系图：