將Apache Spark XML轉換為JavaRDD

Question

我嘗試讀取帶有spark的xml文件並將其轉換為JavaRDD數組。 我已經閱讀了有關如何將其轉換為DataSet的信息，但是我想知道JavaRDD是否有可能。 我不得不提到，在我的xml文件中，我有一個列表，該列表並不總是相同的大小。 這是我的XML文件的示例。

 <?xml version="1.0" encoding="UTF-8" standalone="no"?>
<logs>
    <log>
        <id>1</id>
        <clientId>1</clientId>
        <date>Wed Apr 03 21:16:18 EEST 2019</date>
        <itemList>
            <item>2</item>
        </itemList>
    </log>
    <log>
        <id>2</id>
        <clientId>2</clientId>
        <date>Wed Apr 03 21:16:19 EEST 2019</date>
        <itemList>
            <item>1</item>
            <item>2</item>
            <item>3</item>
        </itemList>
    </log>
</logs>

謝謝！

Answer 1

這是一個可能的解決方案： https : //github.com/databricks/spark-xml/issues/213

這是您需要的：

import com.databricks.spark.xml.XmlReader

val rdd = sc.parallelize(Seq("<books><book>book1</book><book>book2</book></books>"))
val df = new XmlReader().xmlRdd(spark.sqlContext, rdd)
df.show

+--------------+
|          book|
+--------------+
|[book1, book2]|
+--------------+

df.printSchema

root
 |-- book: array (nullable = true)
 |    |-- element: string (containsNull = true)

從rdd到JavaRDD相當簡單。 （wrapRdd，請參閱文檔）。

希望它回答了您的問題。