栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

在spark计算RDD[Row]动态增加字段

在spark计算RDD[Row]动态增加字段

关于在计算中,动态添加字段处理方式,参考网上的方式,进行整理如下,作个记录

package com.ku.test

import org.apache.spark.rdd.RDD
import org.apache.spark.sql.catalyst.expressions.GenericRowWithSchema
import org.apache.spark.sql.types._
import org.apache.spark.sql.{Dataframe, Row, SparkSession}

import scala.collection.mutable

object TestAddField0 {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession
      .builder()
      .appName("test")
      .master("local")
      .getOrCreate()

    spark.sparkContext.setLogLevel("WARN")

    import spark.implicits._
    val sourceFile: Dataframe = Seq(
      (1, "24_男_上海市"),
      (2, "33_女_北京市")
    ).toDF("id", "message")
    sourceFile.show()

    val fieldsConf = new mutable.HashMap[String, DataType]()
    fieldsConf += (("age", IntegerType))
    fieldsConf += (("gender", StringType))
    fieldsConf += (("address", StringType))

    val dataSF: RDD[Row] = sourceFile.rdd.map(
      row => {

        val message = row.getAs[String]("message")
        val buffer = Row.unapplySeq(row).get.toBuffer

        message.split("_").foreach(
          dataVal => {
            buffer.append("new_" + dataVal)
          }
        )

        var schemaNew: StructType = row.schema
        fieldsConf.foreach(conf => {
          schemaNew = schemaNew.add(conf._1, conf._2)
        })

        // 使用Row的子类GenericRowWithSchema创建新的Row
        val newSchema = new GenericRowWithSchema(buffer.toArray, schemaNew).asInstanceOf[Row]
        newSchema
      })

    dataSF.foreach(row => println(row))
  }
}

两次输出内容如下:

+---+------------+
| id|     message|
+---+------------+
|  1|24_男_上海市|
|  2|33_女_北京市|
+---+------------+

[1,24_男_上海市,new_24,new_男,new_上海市]
[2,33_女_北京市,new_33,new_女,new_北京市]

Process finished with exit code 0
 

 

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/467290.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号