在Spark-Scala中將列表或RDD的列表轉換為DataFrame

Question

所以基本上我想要實現的是-我有一個包含4列的表（例如），並將其公開給DataFrame-DF1。 現在，我想將DF1的每一行存儲到另一個配置單元表（基本上是DF2，其架構為-Column1，Column2，Column3），而column3的值將是DataFrame DF1的'-'分隔行。

val df = hiveContext.sql("from hive_table SELECT *")
val writeToHiveDf = df.filter(new Column("id").isNotNull)

var builder : List[(String, String, String)] = Nil
    var finalOne  =  new ListBuffer[List[(String, String, String)]]()
    writeToHiveDf.rdd.collect().foreach {
      row =>
        val item = row.mkString("-@")
        builder = List(List("dummy", "NEVER_NULL_CONSTRAINT", "some alpha")).map{case List(a,b,c) => (a,b,c)}
        finalOne += builder
    }

現在，我將finalOne作為列表列表，我想直接將其或通過RDD轉換為數據框 。

var listRDD = sc.parallelize(finalOne) //Converts to RDD - It works. 
val dataFrameForHive : DataFrame = listRDD.toDF("table_name", "constraint_applied", "data") //Doesn't work

錯誤：

java.lang.ClassCastException: org.apache.spark.sql.types.ArrayType cannot be cast to org.apache.spark.sql.types.StructType
    at org.apache.spark.sql.SQLContext.createDataFrame(SQLContext.scala:414)
    at org.apache.spark.sql.SQLImplicits.rddToDataFrameHolder(SQLImplicits.scala:94)

有人可以幫我理解將其轉換為DataFrame的正確方法嗎？ 提前感謝您的支持。

Answer 1

如果要在數據幀中使用3列類型的字符串，則應將List[List[(String,String,String)]]展平為List[(String,String,String)] ：

var listRDD = sc.parallelize(finalOne.flatten) // makes List[(String,String,String)]
val dataFrameForHive : DataFrame = listRDD.toDF("table_name", "constraint_applied", "data") 

Answer 2

我相信，在將“ finalOne”數據幀傳遞到sc.parallelize（）函數之前，先將其展平應該會產生符合您期望的結果。

var listRDD = sc.parallelize(finalOne)

val dataFrameForHive : DataFrame = listRDD.toDF("table_name", "constraint_applied", "data")