适用于Spark数据集的Java调用n采样器

Question

我正在将代码从Python迁移到Java，并希望为Dataset<Row>构建n-Sampler。 这有点令人沮丧，我最终作弊，并根据其他帖子对其进行了非常低效的Scala功能。 然后，我从Java代码运行该函数，但即使这样也没有用

N样本行为：
-从数据集中随机选择N行
-无重复（无替换）

当前解决方案（断）

import scala.util.Random

object ScalaFunctions {
  def nSample(df : org.apache.spark.sql.Dataset[org.apache.spark.sql.Row], n : Int) : org.apache.spark.sql.Dataset[org.apache.spark.sql.Row] = {
    //inefficient! Shuffles entire dataframe
    val output = Random.shuffle(df).take(n)
    return output.asInstanceOf[org.apache.spark.sql.Dataset[org.apache.spark.sql.Row]]
  }
}

错误信息

Error:(6, 25) inferred type arguments [org.apache.spark.sql.Row,org.apache.spark.sql.Dataset] do not conform to method shuffle's type parameter bounds [T,CC[X] <: TraversableOnce[X]]
    val output = Random.shuffle(df).take(n)
Error:(6, 33) type mismatch;
 found   : org.apache.spark.sql.Dataset[org.apache.spark.sql.Row]
 required: CC[T]
    val output = Random.shuffle(df).take(n)

我是Java和Scala的新手，所以即使我了解shuffle函数似乎并不喜欢Datasets，也不知道如何解决它。
-虚拟啤酒，如果您的解决方案不涉及对一小部分n样本（250）进行改组整个数据帧（对我来说，这可能像4M行）