Java - Spark SQL DataFrame映射函数不起作用

Question

在Spark SQL中，当我尝试在DataFrame上使用map函数时，我遇到了错误。

DataFrame类型中的方法映射（Function1，ClassTag）不适用于参数（new Function（）{}）

我也在关注spark 1.3文档。 https://spark.apache.org/docs/latest/sql-programming-guide.html#inferring-the-schema-using-reflection有任何解决方案吗？

这是我的测试代码。

   // SQL can be run over RDDs that have been registered as tables.
DataFrame teenagers = sqlContext.sql("SELECT name FROM people WHERE age >= 13 AND age <= 19");

List<String> teenagerNames = teenagers.map(
            new Function<Row, String>() {
          public String call(Row row) {
            return "Name: " + row.getString(0);
          }
        }).collect();

Answer 1

将其更改为：

Java 6＆7

List<String> teenagerNames = teenagers.javaRDD().map(
    new Function<Row, String>() {
    public String call(Row row) {
        return "Name: " + row.getString(0);
    }
}).collect();

Java 8

List<String> t2 = teenagers.javaRDD().map(
    row -> "Name: " + row.getString(0)
).collect();

一旦调用javaRDD（），它就像任何其他RDD映射函数一样工作。

这适用于Spark 1.3.0及更高版本。

Answer 2

无需转换为RDD，它可以延迟执行，如下所示

`public static void mapMethod（）{//从文件中读取数据，文件位于类路径中。数据集df = sparkSession.read（）。json（“file1.json”）;

// Prior to java 1.8 
Encoder<String> encoder = Encoders.STRING();
    List<String> rowsList = df.map((new MapFunction<Row, String>() {
        private static final long serialVersionUID = 1L;

        @Override
        public String call(Row row) throws Exception {
            return "string:>" + row.getString(0).toString() + "<";
        }
    }), encoder).collectAsList();

// from java 1.8 onwards
List<String> rowsList1 = df.map((row -> "string >" + row.getString(0) + "<" ), encoder).collectAsList();
System.out.println(">>> " + rowsList);
System.out.println(">>> " + rowsList1);

}`

Answer 3

你的pom中是否有正确的依赖集。设置此并尝试

    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql_2.10</artifactId>
        <version>1.3.1</version>
    </dependency>

Answer 4

试试这个：

// SQL can be run over RDDs that have been registered as tables.
DataFrame teenagers = sqlContext.sql("SELECT name FROM people WHERE age >= 13 AND age <= 19");

List<String> teenagerNames = teenagers.toJavaRDD().map(
        new Function<Row, String>() {
      public String call(Row row) {
        return "Name: " + row.getString(0);
      }
    }).collect();

你必须将你的DataFrame转换为javaRDD

Answer 5

检查您是否使用了正确的导入

Row（import org.apache.spark.sql.Row）删除与Row.otherwise相关的所有其他导入，你的语法是正确的

Answer 6

请检查输入文件的数据和数据帧sql查询我面临的同样的事情，当我回顾数据，因此它与我的查询不匹配。所以你可能遇到同样的问题。 toJavaRDD和JavaRDD都在工作。