如何在Spark / Java项目的信息/调试级别中记录Spark Dataset PrintSchema

Question

试图将我的spark scala项目转换为spark-java项目。 我在scala中有如下记录

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

    class ClassName{
      val logger  = LoggerFactory.getLogger("ClassName")
      ...
      val dataframe1 = ....///read dataframe from text file.
      ...

      logger.debug("dataframe1.printSchema : \n " + dataframe1.printSchema; //this is working fine.
    }

现在我正在尝试在Java 1.8中编写它，如下所示

public class ClassName{

    public static final Logger logger  = oggerFactory.getLogger("ClassName"); 
      ...
     Dataset<Row> dataframe1 = ....///read dataframe from text file.
     ...

     logger.debug("dataframe1.printSchema : \n " + dataframe1.printSchema()); //this is not working 

}

我尝试了几种方法，但是在调试/信息模式下无法记录printSchema。

dataframe1.printSchema（）//实际上返回void，因此无法追加到字符串。

spark-java生产级项目实际上是如何进行日志记录的？ 登录调试需要遵循的最佳方法是什么？

如何处理以上情况？ 即log.debug（dataframe1.printSchema（））在Java中？

Answer 1

printSchema方法已经将模式打印到控制台，而没有以任何形式返回它。 您可以简单地调用该方法，并将控制台输出重定向到其他位置。 还有其他的解决办法像这一个 。

Answer 2

您可以使用df.schema.treeString 。 与df.printSchema返回的java中Void Unit（）等效项相比，它返回​​一个字符串。 在Scala中是这样，我相信在Java中也是如此。让我知道是否有帮助。

scala> val df = Seq(1, 2, 3).toDF()
df: org.apache.spark.sql.DataFrame = [value: int]

scala> val x = df.schema.treeString
x: String =
"root
 |-- value: integer (nullable = false)
"

scala> val y = df.printSchema
root
 |-- value: integer (nullable = false)

y: Unit = ()