Scala Spark数据集更改类类型

Question

我有一个数据框，我将其创建为MyData1的架构，然后创建了一个列，以便新数据框遵循MyData2的架构。现在我想将新的数据帧作为数据集返回，但是出现以下错误：

[info]   org.apache.spark.sql.AnalysisException: cannot resolve '`hashed`' given input columns: [id, description];
[info]   at org.apache.spark.sql.catalyst.analysis.package$AnalysisErrorAt.failAnalysis(package.scala:42)
[info]   at org.apache.spark.sql.catalyst.analysis.CheckAnalysis$$anonfun$checkAnalysis$1$$anonfun$apply$3.applyOrElse(CheckAnalysis.scala:110)
[info]   at org.apache.spark.sql.catalyst.analysis.CheckAnalysis$$anonfun$checkAnalysis$1$$anonfun$apply$3.applyOrElse(CheckAnalysis.scala:107)
[info]   at org.apache.spark.sql.catalyst.trees.TreeNode$$anonfun$transformUp$1.apply(TreeNode.scala:278)
[info]   at org.apache.spark.sql.catalyst.trees.TreeNode$$anonfun$transformUp$1.apply(TreeNode.scala:278)

这是我的代码：

import org.apache.spark.sql.{DataFrame, Dataset}

case class MyData1(id: String, description: String)


case class MyData2(id: String, description: String, hashed: String) 

object MyObject {

    def read(arg1: String, arg2: String): Dataset[MyData2] {
        var df: DataFrame = null
        val obj1 = new Matcher("cbutrer383", "e8f8chsdfd")
        val obj2 = new Matcher("cbutrer383", "g567g4rwew")
        val obj3 = new Matcher("cbutrer383", "567yr45e45")
        df = Seq(obj1, obj2, obj3).toDF("id", "description")

        df.withColumn("hashed", lit("hash"))

        val ds: Dataset[MyData2] = df.as[MyData2]
        ds
    }
}

我知道以下行中可能有问题，但无法弄清楚

val ds: Dataset[MyData2] = df.as[MyData2]

我是新手，所以可能犯了一个基本错误。有人可以帮忙吗？ TIA

Answer 1

您忘记将新创建的数据框分配给df

df = df.withColumn("hashed", lit("hash"))

[withcolumn Spark文档说

通过添加列或替换现有数据集来返回新的数据集 具有相同名称的列。

Answer 2

您的阅读功能的更好版本如下，

仅尝试避免null分配，var和return语句不是真正需要的]

def read(arg1: String, arg2: String): Dataset[MyData2] = {
  val obj1 = new Matcher("cbutrer383", "e8f8chsdfd")
  val obj2 = new Matcher("cbutrer383", "g567g4rwew")
  val obj3 = new Matcher("cbutrer383", "567yr45e45")
  Seq(obj1, obj2, obj3).toDF("id", "description")
    .withColumn("hashed", lit("hash"))
    .as[MyData2]

}