Spark之RDD、DataSet、DataFrame转换

最新推荐文章于 2023-11-12 15:15:03 发布

天ヾ道℡酬勤

最新推荐文章于 2023-11-12 15:15:03 发布

阅读量874

点赞数 2

分类专栏： spark 文章标签： spark

本文链接：https://blog.csdn.net/zp17834994071/article/details/108042193

版权

本文详细介绍了Spark的RDD、DataFrame和DataSet之间的转换操作，包括DataFrame/Dataset转RDD、RDD转Dataset、RDD转DataFrame、DataSet转DataFrame以及DataFrame转DataSet。转换过程中涉及到的隐式转换、导包及数据类型指定等关键步骤均有阐述。

摘要由CSDN通过智能技术生成

前面已经给大家说过RDD、DataSet、DataFrame三者之间的关系以及区别，各自都有各自的优劣。RDD、DataFrame、Dataset三者有许多共性，有各自适用的场景常常需要在三者之间转换。今天就给大家说说他们直接按的无缝转换。

DataFrame/Dataset转RDD

这个转换很简单，只需要在类型的后面.rdd就可以转换成RDD。
如何创建DataFrame/Dataset的方法在前面已经说过在这里就不多说了。

val createDS =  spark.createDataset(1 to 3)
val createDF = spark.createDataFrame(List( ("Scala", 35),("Python", 30), ("R", 15), ("Java", 20)) )

val rdd1=createDS.rdd
val rdd2=createDF.rdd

RDD转Dataset

这个属于隐式转换，需要导包才能转换，不然会报错，然后在类型的后面.toDS就可以转换成Dataset

import spark.implicits._
case class Point(label:String,x:Double,y:Double)
case class Category(id:Long,name:String)
val pointsRDD=sc.parallelize(List(("bar",3.0,5.6),("foo",-1.0,<