大三寒假生活12

今天完成了实验五第二问，因为自己一开始不会，搜索了相关知识后稍微了解了，然后跟着网上的思路解决了，出现了点问题，还是完成了。明天完成第三问，进行实验六。

编程实现将 RDD 转换为 DataFrame

源文件内容如下（包含 id,name,age）：

1,Ella,36

2,Bob,29

3,Jack,29

请将数据复制保存到 Linux 系统中，命名为 employee.txt，实现从 RDD 转换得到

DataFrame，并按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有数据。请写出程序代

码。

第一种方法源代码：

利用反射来推断包含特定类型对象的RDD的schema，适用对已知数据结构的RDD转换

import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder
import org.apache.spark.sql.Encoder
import spark.implicits._
object RDDtoDF{
    def main(args: Array[String]) {
        case class Employee(id:Long,name: String, age: Long)
        val employeeDF = spark.sparkContext.textFile("file:///usr/local/spark/employee.txt").map(_.split(",")).map(attributes => Employee(attributes(0).trim.toInt,attributes(1), attributes(2).trim.toInt)).toDF()
        employeeDF.createOrReplaceTempView("employee")
        val employeeRDD = spark.sql("select id,name,age from employee")
        employeeRDD.map(t => "id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show()
        }
}

但是写成scala文件运行，会报错。

暂时没解决。

但是把每一行看做一个spark命令，在spark-shell中执行，可以成功运行。

方法二：使用编程接口，构造一个schema并将其应用在已知的RDD上。

import org.apache.spark.sql.types._
import org.apache.spark.sql.Encoder
import org.apache.spark.sql.Row
object RDDtoDF{
    def main(args: Array[String]) {
        val employeeRDD = spark.sparkContext.textFile("file:///usr/local/spark/employee.txt")
        val schemaString = "id name age"val fields = schemaString.split(" ").map(fieldName => StructField(fieldName, StringType, nullable = true))
        val schema = StructType(fields)
        val rowRDD = employeeRDD.map(_.split(",")).map(attributes => Row(attributes(0).trim, attributes(1), attributes(2).trim))
        val employeeDF = spark.createDataFrame(rowRDD, schema)
        employeeDF.createOrReplaceTempView("employee")
        val results = spark.sql("SELECT id,name,age FROM employee")
        results.map(t => "id:"+t(0)+","+"name:"+t(1)+","+"age:"+t(2)).show()
        }
}