Sparkのドキュメント は、Scalaケースクラスを使用してスキーマを推測し、RDDからDataFrameを作成する方法を示しています。sqlContext.createDataFrame(RDD, CaseClass)
、しかし私のDataFrameは空になります。ここに私のScalaコードがあります:
// sc is the SparkContext, while sqlContext is the SQLContext.
// Define the case class and raw data
case class Dog(name: String)
val data = Array(
Dog("Rex"),
Dog("Fido")
)
// Create an RDD from the raw data
val dogRDD = sc.parallelize(data)
// Print the RDD for debugging (this works, shows 2 dogs)
dogRDD.collect().foreach(println)
// Create a DataFrame from the RDD
val dogDF = sqlContext.createDataFrame(dogRDD, classOf[Dog])
// Print the DataFrame for debugging (this fails, shows 0 dogs)
dogDF.show()
私が見ている出力は:
Dog(Rex)
Dog(Fido)
++
||
++
||
||
++
何が欠けていますか?
ありがとう!
必要なのは
val dogDF = sqlContext.createDataFrame(dogRDD)
2番目のパラメーターはJava APIの一部であり、クラスがJava Beanの規則(ゲッター/セッター)に準拠していることを前提としています。ケースクラスはこの規則に従っていないため、プロパティが検出されないため、列のない空のDataFrameになります。
次のようにDataFrame
を使用して、ケースクラスインスタンスのSeq
からtoDF
を直接作成できます。
val dogDf = Seq(Dog("Rex"), Dog("Fido")).toDF
ケースクラスアプローチは、クラスターモードでは機能しません。定義したケースクラスにClassNotFoundException
が付与されます。
_RDD[Row]
_に変換し、RDD
のスキーマをStructField
で定義し、次にcreateDataFrame
のように
_val rdd = data.map { attrs => Row(attrs(0),attrs(1)) }
val rddStruct = new StructType(Array(StructField("id", StringType, nullable = true),StructField("pos", StringType, nullable = true)))
sqlContext.createDataFrame(rdd,rddStruct)
_
toDF()
も機能しない