將列表或RDD的列表轉換爲Spark-Scala中的DataFrame

所以基本上我試圖實現的是 - 我有一個有4列（比如說）的表格，並將它公開給DataFrame - DF1。現在我想將DF1的每一行存儲到另一個hive表（基本上DF2，其模式爲 - Column1，Column2，Column3），而column3的值將是' - '分隔的DataFrame DF1行。將列表或RDD的列表轉換爲Spark-Scala中的DataFrame

val df = hiveContext.sql("from hive_table SELECT *") 
val writeToHiveDf = df.filter(new Column("id").isNotNull) 

var builder : List[(String, String, String)] = Nil 
    var finalOne = new ListBuffer[List[(String, String, String)]]() 
    writeToHiveDf.rdd.collect().foreach { 
     row => 
     val item = row.mkString("[email protected]") 
     builder = List(List("dummy", "NEVER_NULL_CONSTRAINT", "some alpha")).map{case List(a,b,c) => (a,b,c)} 
     finalOne += builder 
    }

現在我有finalOne的名單，我想直接或通過RDD轉換成數據幀的列表。

var listRDD = sc.parallelize(finalOne) //Converts to RDD - It works. 
val dataFrameForHive : DataFrame = listRDD.toDF("table_name", "constraint_applied", "data") //Doesn't work

錯誤：

java.lang.ClassCastException: org.apache.spark.sql.types.ArrayType cannot be cast to org.apache.spark.sql.types.StructType 
    at org.apache.spark.sql.SQLContext.createDataFrame(SQLContext.scala:414) 
    at org.apache.spark.sql.SQLImplicits.rddToDataFrameHolder(SQLImplicits.scala:94)

能有人幫助我理解將此轉換爲數據幀的正確途徑。提前感謝您的支持。

來源

2017-06-13 Aditya Kumar Roy - Consultant

什麼模式你希望數據框有，字符串類型的3列或類型的1列數組的元素是結構體（3個字符串）？ –

，如果你想在你的數據幀類型的字符串3列，你應該扁平化的List[List[(String,String,String)]]到List[(String,String,String)]：

var listRDD = sc.parallelize(finalOne.flatten) // makes List[(String,String,String)] 
val dataFrameForHive : DataFrame = listRDD.toDF("table_name", "constraint_applied", "data")

來源

2017-06-13 19:46:18

將列表或RDD的列表轉換爲Spark-Scala中的DataFrame

回答

相關問題