假设我有一个 Spark Dataset像这样:

scala> import java.sql.Date 
scala> case class Event(id: Int, date: Date, name: String) 
scala> val ds = Seq(Event(1, Date.valueOf("2016-08-01"), "ev1"), Event(2, Date.valueOf("2018-08-02"), "ev2")).toDS 

我要新建一个 Dataset只有名称和日期字段。据我所知,我可以使用 ds.select()TypedColumn或者我可以使用 ds.select()Column然后转换 DataFrameDataset .

但是,我无法让前一个选项与 Date 一起使用。类型。例如:
scala> ds.select($"name".as[String], $"date".as[Date]) 
<console>:31: error: Unable to find encoder for type stored in a Dataset.  Primitive types (Int, String, etc) and Product types (case classes) are supported by importing spark.implicits._  Support for serializing other types will be added in future releases. 
              ds.select($"name".as[String], $"date".as[Date]) 
                                                      ^ 

后一个选项有效:
scala> ds.select($"name", $"date").as[(String, Date)] 
res2: org.apache.spark.sql.Dataset[(String, java.sql.Date)] = [name: string, date: date] 

有没有办法选择 Date来自 Dataset 的字段不去 DataFrame然后回来?

请您参考如下方法:

一整天都在为这些问题埋头苦干。我认为你可以用一行来解决你的问题:

implicit val e: Encoder[(String, Date)] = org.apache.spark.sql.Encoders.kryo[(String,Date)] 

至少这对我有用。

编辑

在这些情况下,问题在于大多数 Dataset操作,Spark 2 需要 Encoder存储模式信息(大概是为了优化)。模式信息采用隐式参数的形式(并且一堆 Dataset 操作具有这种隐式参数)。

在这种情况下,OP 为 java.sql.Date 找到了正确的架构所以以下工作:
implicit val e = org.apache.spark.sql.Encoders.DATE 


评论关闭
IT干货网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!