Как преобразовать DataFrame в Dataset в Apache Spark на Java?

Я могу преобразовать DataFrame в Dataset в Scala очень легко:

case class Person(name:String, age:Long)
val df = ctx.read.json("/tmp/persons.json")
val ds = df.as[Person]
ds.printSchema

но в версии Java я не знаю, как преобразовать Dataframe в Dataset? Есть Идеи?

мой опыт:

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = new Encoder<>();
Dataset<Person> ds = new Dataset<Person>(ctx,df.logicalPlan(),encoder);
ds.printSchema();

но компилятор сказал:

Error:(23, 27) java: org.apache.spark.sql.Encoder is abstract; cannot be instantiated

Редактировать(Решения):

решение на основе @Leet-Falcon ответы:

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = Encoders.bean(Person.class);
Dataset<Person> ds = new Dataset<Person>(ctx, df.logicalPlan(), encoder);
13
apache-spark apache-spark-dataset java spark-dataframe

2 ответов

официальные документы Spark предлагают в API набора данных следующее:

кодеры Java задаются путем вызова статических методов на энкодеры.

List<String> data = Arrays.asList("abc", "abc", "xyz");
Dataset<String> ds = context.createDataset(data, Encoders.STRING());

кодировщики можно составить в кортежи:

Encoder<Tuple2<Integer, String>> encoder2 = Encoders.tuple(Encoders.INT(), Encoders.STRING());
List<Tuple2<Integer, String>> data2 = Arrays.asList(new scala.Tuple2(1, "a");
Dataset<Tuple2<Integer, String>> ds2 = context.createDataset(data2, encoder2);

или построенный из Java Beans by кодировщики#bean:

Encoders.bean(MyClass.class);
12

Если вы хотите преобразовать общий DF в набор данных в Java, вы можете использовать класс RowEncoder, как показано ниже

DataFrame df = sql.read().json(sc.parallelize(ImmutableList.of(
            "{\"id\": 0, \"phoneNumber\": 109, \"zip\": \"94102\"}"
    )));

    Dataset<Row> dataset = df.as(RowEncoder$.MODULE$.apply(df.schema()));
4