Spark Java API:如何将 JavaRDD 转换为 RDD 类型

Posted

技术标签:

【中文标题】Spark Java API:如何将 JavaRDD 转换为 RDD 类型【英文标题】:Spark Java API: How to convert JavaRDD to RDD type 【发布时间】:2018-07-13 21:35:25 【问题描述】:

我正在尝试将使用Dataframe 编写的代码转换为DataSet API。 问题是我将 JavaRDD 创建为:

final JavaRDD<String> abcJavaRdd= jsc.textFile("/path/to/textfile");

但是sqlContext类的createDataset方法需要RDD&lt;T&gt;类型而不是JavaRDD&lt;T&gt;类型。

SQLContext sqlc = new SQLContext(jsc);
....
....
Encoder<Abc> abcEncoder= Encoders.bean(Abc.class);
Dataset<Abc> abcDataset= sqlc.createDataset(abcJavaRdd, abcEncoder);

上面代码的最后一行不起作用。 我想知道如何从“org.apache.spark.api.java.JavaRDD”类型创建“org.apache.spark.rdd.RDD”类型?

我在 mapr 集群上使用 Java 1.8 和 apache spark 1.6.1。

【问题讨论】:

【参考方案1】:

通过API挖掘后,我找到了答案。

org.apache.spark.api.java.JavaRDD 类公开了一个静态方法,将JavaRDD 类型的对象转换为org.apache.spark.rdd.RDDcreateDataset 类的createDataset 方法接受该方法SQLContext

Encoder<Abc> abcEncoder= Encoders.bean(Abc.class);
Dataset<Abc> abcDataset= sqlc.createDataset(JavaRDD.toRDD(abcJavaRdd), abcEncoder);

另一种方法是在abcJavaRdd 上调用rdd() 方法。即abcJavaRdd.rdd()

【讨论】:

以上是关于Spark Java API:如何将 JavaRDD 转换为 RDD 类型的主要内容,如果未能解决你的问题,请参考以下文章

Spark和Java API分区

如何将项目上传至Azkaban上运行

如何将项目上传至Azkaban上运行

如何将复杂的 Java 类对象作为参数传递给 Spark 中的 Scala UDF?

如何使用 Spark Dataset API (Java) 创建数组列

Spark Java API 之 CountVectorizer