我想在DataSet中为Row类型编写一个编码器,用于我正在进行的 Map 操作 . 基本上,我不明白如何编写编码器 .
以下是 Map 操作的示例:
In the example below, instead of returning Dataset<String>, I would like to return Dataset<Row>
Dataset<String> output = dataset1.flatMap(new FlatMapFunction<Row, String>() {
@Override
public Iterator<String> call(Row row) throws Exception {
ArrayList<String> obj = //some map operation
return obj.iterator();
}
},Encoders.STRING());
据我所知,编码器需要编写如下代码:
Encoder<Row> encoder = new Encoder<Row>() {
@Override
public StructType schema() {
return join.schema();
//return null;
}
@Override
public ClassTag<Row> clsTag() {
return null;
}
};
但是,我不理解编码器中的clsTag(),我试图找到一个可以演示类似的运行示例(即行类型的编码器)
编辑 - 这不是所提问题的副本:Encoder error while trying to map dataframe row to updated row因为答案谈到在Spark 2.x中使用Spark 1.x(我没有这样做),我也在寻找Row类的编码器而不是解决一个错误 . 最后,我一直在寻找Java解决方案,而不是Scala .
2 回答
我有同样的问题...
Encoders.kryo(Row.class))
为我工作 .作为奖励,Apache Spark调优文档引用Kryo它,因为序列化速度更快“通常高达10倍”:
https://spark.apache.org/docs/latest/tuning.html
答案是使用StructType和数据集的模式使用StructType .
以下是使用数据集进行flatmap操作的工作示例: