第60课:使用Java实战RDD与DataFrame动态转换操作
2016-05-03 08:50
381 查看
在企业中目前应用比较多的就是动态转换。动态的意思:是指提前不知道RDD中的每个record的列的个数,以及列的内容,只有在运行的时候才会知道,Row代表table中的一行数据。
实战代码如下:
本课程笔记来源于:
实战代码如下:
package com.dt.spark.SparkApps.sql; /** * 打印结果: [1,Spark,7] [2,Hadoop,10] [3,Flink,5] */ import java.util.ArrayList; import java.util.List; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.Function; import org.apache.spark.sql.DataFrame; import org.apache.spark.sql.Row; import org.apache.spark.sql.RowFactory; import org.apache.spark.sql.SQLContext; import org.apache.spark.sql.types.DataTypes; import org.apache.spark.sql.types.StructField; import org.apache.spark.sql.types.StructType; public class RDDToDataFrameByProgrammatically { public static void main(String[] args) { SparkConf conf = new SparkConf().setMaster("local"). setAppName("RDDToDataFrameByReflection"); JavaSparkContext sc = new JavaSparkContext(conf); SQLContext sqlContext = new SQLContext(sc); //读取数据 JavaRDD<String> lines = sc.textFile("E://persons.txt"); /** * 第一步:在RDD的基础上创建类型为Row的RDD */ //首先,必须将RDD变成以Row为类型的RDD。Row可以简单理解为Table的一行数据 JavaRDD<Row> personsRDD = lines.map(new Function<String,Row>(){ @Override public Row call(String line) throws Exception { String[] splited = line.split(","); return RowFactory.create(Integer.valueOf(splited[0]),splited[1],Integer.valueOf(splited[2])); } }); /** * 第二步:动态构造DataFrame的元数据,一般而言,有多少列以及每列的具体类型可能来自于 * JSON文件,也可能来自于DB */ //对Row具体指定元数据信息。 List<StructField> structFields = new ArrayList<StructField>(); //列名称 列的具体类型(Integer Or String) 是否为空一般为true,实际在开发环境是通过for循环,而不是手动添加 structFields.add(DataTypes.createStructField("id", DataTypes.IntegerType, true)); structFields.add(DataTypes.createStructField("name", DataTypes.StringType, true)); structFields.add(DataTypes.createStructField("age", DataTypes.IntegerType, true)); //构建StructType,用于最后DataFrame元数据的描述 StructType structType = DataTypes.createStructType(structFields); /** * 第三步:基于已有的MetaData以及RDD<Row>来构造DataFrame */ DataFrame personsDF = sqlContext.createDataFrame(personsRDD, structType); /** * 第四步:注册成临时表以供后续的SQL查询操作 */ personsDF.registerTempTable("persons"); /** * 第五步:进行数据的多维度分析 */ DataFrame result = sqlContext.sql("select * from persons"); /** * 第六步:对结果进行处理,包括由DataFrame转换成为RDD<Row>,以及结果的持久化 */ List<Row> listRow = result.javaRDD().collect(); for(Row row : listRow){ System.out.println(row); } } }
本课程笔记来源于:
相关文章推荐
- java创建实例的底层处理
- Tabhost用法
- Spring基础-下-实战篇
- Spring基础-上-概念篇
- javaDoc和java文件的注释以及javadoc生成出现的问题【dos option选项】
- Java设计模式(六) 代理模式 VS. 装饰模式
- 【Java Web学习笔记】04-添加一个SpringMVC拦截器
- java模拟实现有序表操作
- javaIO关于文件操作(读取,写入,复制,遍历所有文件)
- eclipse[Open In Explorer]
- eclipse 安卓开发 DDMS files not found:hprof-conv.exe的解决办法
- 读《Spring-技术内幕》-第二章:IoC容器的实现-2
- Java NIO详细介绍
- jdk基础设施回顾:jdk中的concurrent包
- 20145104张家明 《Java程序设计》第四次实验设计
- JAVA8--Stream学习
- Spring入门之初学注解02
- Spring入门之初学注解01
- 【Java Web学习笔记】03-练习的web工程
- Spring的beans标签下可以有其他标签