Je peux convertir DataFrame en Dataset en Scala très facile:
case class Person(name:String, age:Long)
val df = ctx.read.json("/tmp/persons.json")
val ds = df.as[Person]
ds.printSchema
mais en Java je ne sais pas comment convertir Dataframe en Dataset? Une idée?
mon effort est:
DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = new Encoder<>();
Dataset<Person> ds = new Dataset<Person>(ctx,df.logicalPlan(),encoder);
ds.printSchema();
mais le compilateur dit:
Error:(23, 27) Java: org.Apache.spark.sql.Encoder is abstract; cannot be instantiated
solution basée sur les réponses de @ Leet-Falcon:
DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = Encoders.bean(Person.class);
Dataset<Person> ds = new Dataset<Person>(ctx, df.logicalPlan(), encoder);
Spark suggèrent dans API Dataset ce qui suit:
Les encodeurs Java sont spécifiés en appelant des méthodes statiques sur encodeurs.
List<String> data = Arrays.asList("abc", "abc", "xyz");
Dataset<String> ds = context.createDataset(data, Encoders.STRING());
Les encodeurs peuvent être composés en tuples:
Encoder<Tuple2<Integer, String>> encoder2 = Encoders.Tuple(Encoders.INT(), Encoders.STRING());
List<Tuple2<Integer, String>> data2 = Arrays.asList(new scala.Tuple2(1, "a");
Dataset<Tuple2<Integer, String>> ds2 = context.createDataset(data2, encoder2);
Ou construit à partir de Java Beans par Encoders # bean :
Encoders.bean(MyClass.class);
Si vous voulez convertir un DF générique en un Dataset en Java, vous pouvez utiliser la classe RowEncoder comme ci-dessous
DataFrame df = sql.read().json(sc.parallelize(ImmutableList.of(
"{\"id\": 0, \"phoneNumber\": 109, \"Zip\": \"94102\"}"
)));
Dataset<Row> dataset = df.as(RowEncoder$.MODULE$.apply(df.schema()));