Spark RDD、DataFrame、Dataset相互转换

目录

1. RDD转DataFrame

2. RDD转DataSet

3. DataFrame/Dataset 转RDD

4. DataFrame转Dataset

5. Dataset转DataFrame


1. RDD转DataFrame

 

1. 构建schema

主要有三步:

  1. 构建RDD[Row]
  2. 构建schema
  3. 调用createDataFrame方法
object RddToDataFrame {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("RddToDataFrame").master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")
        .persist(StorageLevel.MEMORY_ONLY)

    // 1. 构建RDD[Row],将一行的数据放入Row()中
    val rdd2 = rdd.flatMap(_.split(",")).map(t =>{Row(t._2,t._1)})

    // 2. 构建schema
    val schema = StructType{
      List(
        StructField("id",LongType,true),
        StructField("user",StringType,true)
      )}

    // 3. createDataFrame()
    val df = spark.createDataFrame(rdd2,schema)

    spark.stop()
  }
}

2. 自动推断 

将一行数据放入元组()中,toDF()中指定字段名,需要导入隐式转换。

object RddToDataFrame {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("RddToDataFrame").master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    // 导入隐式转换
    import spark.implicits._

    val df = rdd.map{
      x => {
        val tmp =  x.split(",")
        (tmp(0).toInt, tmp(1))
      }
    }.toDF("id","name")


    spark.stop()
  }
}

3. 通过反射获取schema

跟自动推断差不多,不过需要创建一个case类,定义类属性。Spark通过反射将case类属性映射成Table表结构,字段名已经通过反射获取。需要导入隐式转换。

// case类
case class Words(id:Long,name:String) extends Serializable 

object RddToDataFrame {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("RddToDataFrame").master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    import spark.implicits._

    val df = rdd.map{
      x => {
        val tmp =  x.split(",")
        Words(tmp(0).toInt, tmp(1))
      }
    }.toDF()

    spark.stop()
  }
}

 

2. RDD转DataSet

跟转DataFrame差不多。

spark2.x以后,ScalaAPI中DataFrame只是Dataset[Row]类型的别名,所以转Dataset不用指定Row类型。

1. createDataset

object RddToDataset {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("RddToDataset").master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    import spark.implicits._

    val rdd2 = rdd.map(_.split(",")).map(x => (x(0), x(1)))

    val ds = spark.createDataset(rdd2)

    spark.stop()
  }
}

2. 自动推断

object RddToDataset {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("RddToDataset").master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    import spark.implicits._

    val ds = rdd.map {
      x => {
        val tmp = x.split(",")
        (tmp(0).toInt, tmp(1))
      }
    }.toDS()

    spark.stop()
  }
}

3. 反射获取schema

字段名已经通过反射获取。

object RddToDataset {

  case class Words(id: Long, name: String) extends Serializable

  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("RddToDataset").master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    import spark.implicits._

    val ds = rdd.map {
      x => {
        val tmp = x.split(",")
        Words(tmp(0).toInt, tmp(1))
      }
    }.toDS()

    spark.stop()
  }
}

 

3. DataFrame/Dataset 转RDD

Dataset 转RDD

通过 .rdd,Dataset直接转即可。

object DatasetToRdd {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("DatasetToRdd")
        .master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    import spark.implicits._

    val ds = rdd.map( x => {val tmp = x.split(",");(tmp(0).toInt, tmp(1))}).toDS()

    // 注意RDD类型
    val rdd2: RDD[(Int, String)] = ds.rdd

    spark.stop()
  }
}

DataFrame 转RDD

通过 .rdd,但是DataFrame转换后的是RDD[Row],需要通过map转换为RDD[String],或者直接通过 .getAs()获取。 

object DataFrameToRdd {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("DataFrameToRdd")
        .master("local").getOrCreate()

    val df = spark.read.text("file:///d:/data/words.txt")

    // RDD类型Row
    val rdd: RDD[Row] = df.rdd
    val rdd2: RDD[String] = rdd.map( _(0).toString)
    val rdd4: RDD[String] = rdd.map(_.get(0).toString)
    val rdd3: RDD[String] = rdd.map(_.getAs[String](0))

    spark.stop()
  }
}

 

4. DataFrame转Dataset

object DataFrameToDataset {

  case class Words(id: Long, name: String) extends Serializable

  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("DataFrameToDataset")
        .master("local").getOrCreate()

    val df = spark.read.text("file:///d:/data/words.txt")

    import spark.implicits._

    val ds = df.as[Words] 

    spark.stop()
  }
}

 

5. Dataset转DataFrame

直接转即可,.toDF()。

object DatasetToDataFrame {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("DatasetToDataFrame")
        .master("local").getOrCreate()

    val rdd = spark.sparkContext.textFile("file:///d:/data/words.txt")

    import spark.implicits._

    val rdd2 = rdd.map(_.split(",")).map(x => (x(0), x(1)))

    val ds = spark.createDataset(rdd2)

    val df = ds.toDF

    spark.stop()
  }
}

 

  • 3
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

訾零

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值