一些常用的Spark对象
前言
在PySpark中调用Scala/Java代码时,我们会遇到一些负载的对象需要传递,例如一些spark对象。在环境之间(Python / Java)传递时,我们必须将Spark对象显式地包装/提取到java对象中。
下面是一些常用的Spark对象。
一些常用的Spark对象
SparkContext
如果你的Scala代码需要访问SparkContext(sc),则你的python代码必须传递sc._jsc
,并且Scala方法应该接收JavaSparkContext参数并将其解压缩到Scala SparkContext。
import org.apache.spark.api.java.JavaSparkContext
def method(jsc: JavaSparkContext) = {
val sc = JavaSparkContext.toSparkContext(jsc)
}
SQLContext
对于SQLContext,我们可以通过发送sqlContext._ssql_ctx
从python传递Scala SQLContext。 它可以直接在Scala端使用。
RDDS
你可以通过rdd._jrdd
将它们从Python传递到Scala。 在Scala端,可以通过访问jrdd.rdd
来提取JavaRDD(jrdd)。 而将它转换回Python时,我们可以使用:
from pyspark.rdd import RDD
pythonRDD = RDD(jrdd, sc)
DataFrames
要从python发送DataFrame(df),必须传递df._jdf
属性。 而将Scala DataFrame返回给python时,可以在python端转换为:
from pyspark.sql import DataFrame
pythonDf = DataFrame(jdf, sqlContext)
DataFrames也可以通过使用registerTempTable并通过sqlContext访问它们。