将内部文件转换为数据帧到另一个数据帧或 RDD
Posted
技术标签:
【中文标题】将内部文件转换为数据帧到另一个数据帧或 RDD【英文标题】：convert files inside into dataframe to another dataframe or RDD 【发布时间】：2019-09-03 22:49:02 【问题描述】：我有一个每 5、10 或 20 分钟生成文件的进程。然后另一个进程列出绝对路径并每小时将它们保存在一个文件中。 结构如下
logan@Everis-PC ~/Datasets/dev/path > cat path1
/home/logan/Datasets/novum_dev/in/TasPo_20190801_001808_D200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPo_20190801_001808_S200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPo_20190801_001808_V200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPr_20190801_001828_D200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPr_20190801_001828_S200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPr_20190801_001828_V200_20190809.DAT
我的代码如下
val pathFile = "/home/logan/Datasets/dev/path"
sc.wholeTextFiles(pathFile).collect.foreach
hdfspartition =>
val a = sc.parallelize(Seq(hdfspartition._2)).toDF
a.show(false)
但我得到了一个数据框，其中的数据位于一行中。
+--------------------------------------------------------------------------------+
|value |
+--------------------------------------------------------------------------------+
|/home/logan/Datasets/novum_dev/in/TasPo_20190801_001808_D200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPo_20190801_001808_S200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPo_20190801_001808_V200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPr_20190801_001828_D200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPr_20190801_001828_S200_20190809.DAT
/home/logan/Datasets/novum_dev/in/TasPr_20190801_001828_V200_20190809.DAT
|
+------------------------------------------------------------------------------+
您好，我需要提取在“pathFile”中找到的文件的内容。 pathFile" 具有包含更多文件列表的文件。.DAT 文件 (/../../novum_dev/in/TasPo_20190801_001808_D200_20190809.DAT) 具有要分析的数据。 我试图将第一个 DF (wholeTextFiles) 转换为字符串数组，然后转换为由 (,) 分割的字符串
sc.wholeTextFiles(pathFile).collect.foreach
hdfspartition =>
val fa = hdfspartition._2.split("\\r?\\n")
val fs = fa.mkString(",")
val cdr = sc.textFile(fs).map(line => line.split("|", -1))
.map(x => Row.fromSeq(x))
【问题讨论】：
【参考方案1】：你应该使用spark.read.format("text"):
import org.apache.spark.sql._
val spark = SparkSession.builder.getOrCreate();
val pathFile = "/home/logan/Datasets/dev/path"
val dataset = spark.read.format("text").load(pathFile)
dataset.show()
【讨论】：
您好，我需要提取在“pathFile”中找到的文件的内容。 pathFile" 具有包含更多文件列表的文件。.DAT 文件 (/../../novum_dev/in/TasPo_20190801_001808_D200_20190809.DAT) 具有要分析的数据。我试图将第一个 DF (wholeTextFiles) 转换为字符串数组，然后由 (,) sc.wholeTextFiles(pathFile).collect.foreach hdfspartition => val fa = hdfspartition._2.split("\\r?\\n") val fs = fa.mkString 拆分为字符串(",") val cdr = sc.textFile(fs).map(line => line.split("|", -1)) .map(x => Row.fromSeq(x))以上是关于将内部文件转换为数据帧到另一个数据帧或 RDD的主要内容，如果未能解决你的问题，请参考以下文章