Spark-RDD、DS、DF相互変換
29713 ワード
一、RDDとDataFrame間の変換
テストデータを準備し、ローカルセットをRDDに変換
なお、RDDは
1.RDDをDataFrameに変換
{1}toDF,左のrddの汎用型はTupleでなければならない
{2}toDF,左のrddの汎用型はcaseクラスのrdd
SparkSQLは、汎用型がcaseクラスのRDDを自動的にDFに変換することができ、caseクラスはテーブルのschemaを定義し、caseクラス属性は反射によってテーブルのカラム名になる.Caseクラスは、SeqsやArrayのような複雑な構造を含むことができる.
{3}左rddがTupleまたはcaseクラスに戻れない場合は、StructTypeをカスタマイズできます.
caseクラスが事前に定義できない場合は、次の3つのステップでDataFrameを定義できます.は、複数行構造のRDDを作成する. StructTypeで表される行構造情報を作成する. SparkSessionが提供するcreateDataFrame法によりSchema を適用する
二、RDDとDataSet間の変換
1.RDDをDataSetに変換
三、DataFrameとDataSet間の変換
1.DataSetをDataFrameに変換
2.DataFrameをDataSetに変換
テストデータを準備し、ローカルセットをRDDに変換
scala> val rdd=sc.makeRDD(List("Mina,19","Andy,30","Michael,29"))
rdd: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[10] at makeRDD at <console>:24
なお、RDDは
import spark.implicits._
以降のみtoDF、toDS機能を有するscala> import spark.implicits._
import spark.implicits._
1.RDDをDataFrameに変換
{1}toDF,左のrddの汎用型はTupleでなければならない
scala> rdd.map{
x=>{
val par=x.split(",");(par(0),par(1).toInt)}}.toDF("name","age")
res3: org.apache.spark.sql.DataFrame = [name: string, age: int]
scala> res3.show
+-------+---+
| name|age|
+-------+---+
| Mina| 19|
| Andy| 30|
|Michael| 29|
+-------+---+
{2}toDF,左のrddの汎用型はcaseクラスのrdd
SparkSQLは、汎用型がcaseクラスのRDDを自動的にDFに変換することができ、caseクラスはテーブルのschemaを定義し、caseクラス属性は反射によってテーブルのカラム名になる.Caseクラスは、SeqsやArrayのような複雑な構造を含むことができる.
scala> case class Person(name:String,age:Int)
defined class Person
scala> val df = rdd.map{
x => val par = x.split(",");Person(par(0),par(1).toInt)}.toDF
df: org.apache.spark.sql.DataFrame = [name: string, age: int]
scala> df.show
+-------+---+
| name|age|
+-------+---+
| Mina| 19|
| Andy| 30|
|Michael| 29|
+-------+---+
{3}左rddがTupleまたはcaseクラスに戻れない場合は、StructTypeをカスタマイズできます.
caseクラスが事前に定義できない場合は、次の3つのステップでDataFrameを定義できます.
scala> import org.apache.spark.sql._
import org.apache.spark.sql._
scala> import org.apache.spark.sql.types._
import org.apache.spark.sql.types._
// , , StructType
scala> val schemaString = "name age"
schemaString: String = name age
scala> val field = schemaString.split(" ").map(filename=> filename match{
case "name"=> StructField(filename,StringType,nullable = true); case "age"=>StructField(filename, IntegerType,nullable = true)})
field: Array[org.apache.spark.sql.types.StructField] = Array(StructField(name,StringType,true), StructField(age,IntegerType,true))
scala> val schema = StructType(field)
schema: org.apache.spark.sql.types.StructType = StructType(StructField(name,StringType,true), StructField(age,IntegerType,true))
scala> val rowRDD = rdd.map(_.split(",")).map(attributes => Row(attributes(0), attributes(1).toInt))
rowRDD: org.apache.spark.rdd.RDD[org.apache.spark.sql.Row] = MapPartitionsRDD[2] at map at <console>:35
scala> val peopleDF = spark.createDataFrame(rowRDD, schema)
peopleDF: org.apache.spark.sql.DataFrame = [name: string, age: int]
scala> peopleDF.show
+-------+---+
| name|age|
+-------+---+
| Mina| 19|
| Andy| 30|
|Michael| 29|
+-------+---+
二、RDDとDataSet間の変換
1.RDDをDataSetに変換
case class Person(name:String,age:Int)
import spark.implicits._
scala> val ds = rdd.map{
x => val par = x.split(",");Person(par(0),par(1).trim().toInt)}.toDS
ds: org.apache.spark.sql.Dataset[Person] = [name: string, age: int]
scala> ds.show
+-------+---+
| name|age|
+-------+---+
| Mina| 19|
| Andy| 30|
|Michael| 29|
+-------+---+
三、DataFrameとDataSet間の変換
1.DataSetをDataFrameに変換
scala> ds.toDF
res14: org.apache.spark.sql.DataFrame = [name: string, age: int]
scala> ds.toDF.show
+-------+---+
| name|age|
+-------+---+
| Mina| 19|
| Andy| 30|
|Michael| 29|
+-------+---+
2.DataFrameをDataSetに変換
// case class
case class Person(name:String,age:Int)
// dataframe case class
df.as[Person]
scala> df.as[Person]
res16: org.apache.spark.sql.Dataset[Person] = [name: string, age: int]
scala> df.as[Person].show
+-------+---+
| name|age|
+-------+---+
| Mina| 19|
| Andy| 30|
|Michael| 29|
+-------+---+