对于基本数据框创建示例，我应该如何在Spark中编写单元测试？

Question

我正在努力编写一个基本单元测试来创建数据框，使用Spark提供的示例文本文件，如下所示。

class dataLoadTest extends FunSuite with Matchers with BeforeAndAfterEach {

private val master = "local[*]"
private val appName = "data_load_testing"

private var spark: SparkSession = _

override def beforeEach() {
  spark = new SparkSession.Builder().appName(appName).getOrCreate()
}

import spark.implicits._

 case class Person(name: String, age: Int)

  val df = spark.sparkContext
      .textFile("/Applications/spark-2.2.0-bin-hadoop2.7/examples/src/main/resources/people.txt")
      .map(_.split(","))
      .map(attributes => Person(attributes(0),attributes(1).trim.toInt))
      .toDF()

  test("Creating dataframe should produce data from of correct size") {
  assert(df.count() == 3)
  assert(df.take(1).equals(Array("Michael",29)))
}

override def afterEach(): Unit = {
  spark.stop()
}

}

我知道代码本身是有效的（来自spark.implicits._ .... toDF（）），因为我已经在Spark-Scala shell中验证了这一点，但在测试类中我遇到了很多错误; IDE无法识别'import spark.implicits._或toDF（），因此测试不会运行。

我正在使用SparkSession，它自动创建SparkConf，SparkContext和SQLContext。

我的代码只使用Spark repo中的示例代码。

任何想法为什么这不起作用？ 谢谢！

NB。 我已经看过StackOverflow上的Spark单元测试问题，如下所示： 如何在Spark 2.0+中编写单元测试？ 我用它来编写测试，但我仍然得到错误。

我正在使用Scala 2.11.8和Spark 2.2.0与SBT和IntelliJ。 这些依赖项正确包含在SBT构建文件中。 运行测试时的错误是：

错误：（29,10）值toDF不是org.apache.spark.rdd.RDD [dataLoadTest.this.Person]的成员可能的原因：可能在`to toFF'之前缺少分号？ .toDF（）

错误：（20,20）需要稳定的标识符，但找到了dataLoadTest.this.spark.implicits。 import spark.implicits._

IntelliJ将无法识别导入spark.implicits._或.toDF（）方法。

我导入了：import org.apache.spark.sql.SparkSession import org.scalatest。{BeforeAndAfterEach，FlatSpec，FunSuite，Matchers}

Answer 1

你需要将sqlContext分配给val以使implicits工作。 由于你的sparkSession是一个var ，因此implicits不适用

所以你需要这样做

val sQLContext = spark.sqlContext
import sQLContext.implicits._

此外，您可以为测试编写函数，以便您的测试类看起来如下所示

    class dataLoadTest extends FunSuite with Matchers with BeforeAndAfterEach {

  private val master = "local[*]"
  private val appName = "data_load_testing"

  var spark: SparkSession = _

  override def beforeEach() {
    spark = new SparkSession.Builder().appName(appName).master(master).getOrCreate()
  }


  test("Creating dataframe should produce data from of correct size") {
    val sQLContext = spark.sqlContext
    import sQLContext.implicits._

    val df = spark.sparkContext
    .textFile("/Applications/spark-2.2.0-bin-hadoop2.7/examples/src/main/resources/people.txt")
    .map(_.split(","))
    .map(attributes => Person(attributes(0), attributes(1).trim.toInt))
    .toDF()

    assert(df.count() == 3)
    assert(df.take(1)(0)(0).equals("Michael"))
  }

  override def afterEach() {
    spark.stop()
  }

}
case class Person(name: String, age: Int)

Answer 2

有许多库用于火花的单元测试，其中一个最常用的是

spark-testing-base ： 作者 ： Holden Karau

这个库都带有sc因为下面的SparkContext是一个简单的例子

class TestSharedSparkContext extends FunSuite with SharedSparkContext {

  val expectedResult = List(("a", 3),("b", 2),("c", 4))

  test("Word counts should be equal to expected") {
    verifyWordCount(Seq("c a a b a c b c c"))
  }

  def verifyWordCount(seq: Seq[String]): Unit = {
    assertResult(expectedResult)(new WordCount().transform(sc.makeRDD(seq)).collect().toList)
  }
}

在这里，每个东西都用sc作为SparkContext

另一种方法是创建一个TestWrapper并用于多个testcases ，如下所示

import org.apache.spark.sql.SparkSession

trait TestSparkWrapper {

  lazy val sparkSession: SparkSession = 
    SparkSession.builder().master("local").appName("spark test example ").getOrCreate()

}

并使用此TestWrapper所有tests使用Scala测试，以打BeforeAndAfterAll和BeforeAndAfterEach 。

希望这可以帮助！