如何在Java中的Apache Spark中將DataFrame轉換為Dataset？

Question

我可以很容易地將Scala中的DataFrame轉換為Dataset：

case class Person(name:String, age:Long)
val df = ctx.read.json("/tmp/persons.json")
val ds = df.as[Person]
ds.printSchema

但在Java版本中我不知道如何將Dataframe轉換為Dataset？ 任何的想法？

我的努力是：

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = new Encoder<>();
Dataset<Person> ds = new Dataset<Person>(ctx,df.logicalPlan(),encoder);
ds.printSchema();

但是編譯器說：

Error:(23, 27) java: org.apache.spark.sql.Encoder is abstract; cannot be instantiated

編輯（解決方案）：

基於@Leet-Falcon答案的解決方案：

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = Encoders.bean(Person.class);
Dataset<Person> ds = new Dataset<Person>(ctx, df.logicalPlan(), encoder);

Answer 1

官方Spark文檔在Dataset API中建議如下：

通過在編碼器上調用靜態方法來指定Java編碼器 。

List<String> data = Arrays.asList("abc", "abc", "xyz");
Dataset<String> ds = context.createDataset(data, Encoders.STRING());

編碼器可以組成元組：

Encoder<Tuple2<Integer, String>> encoder2 = Encoders.tuple(Encoders.INT(), Encoders.STRING());
List<Tuple2<Integer, String>> data2 = Arrays.asList(new scala.Tuple2(1, "a");
Dataset<Tuple2<Integer, String>> ds2 = context.createDataset(data2, encoder2);

或者由編碼器編寫的 Java Beans ＃bean ：

Encoders.bean(MyClass.class);

Answer 2

如果要將通用DF轉換為Java中的數據集，可以使用如下所示的RowEncoder類

DataFrame df = sql.read().json(sc.parallelize(ImmutableList.of(
            "{\"id\": 0, \"phoneNumber\": 109, \"zip\": \"94102\"}"
    )));

    Dataset<Row> dataset = df.as(RowEncoder$.MODULE$.apply(df.schema()));