如何在没有withColumn的情况下将Spark数据集的所有列强制转换为Java中的字符串？

我已尝试使用此处指定的withColumn解决方案：

但是，该解决方案对大量列（1k-6k）的性能产生了影响。它需要6个多小时，然后被中止

或者，我尝试使用map进行如下转换，但我在这里遇到错误：

MapFunction<Column, Column> mapFunction = (c) -> {
    return c.cast("string");
};      

dataset = dataset.map(mapFunction, Encoders.bean(Column.class));

---

您确定是指1k-6k列还是指行

但在任何情况下，我通常都会这样投射列：

import spark.implicits._

val df = Seq((1, 2), (2, 3), (3, 4)).toDF("a", "b")

val cols = for {
  a <- df.columns
} yield col(a).cast(StringType)

df.select(cols : _*)

导入spark.implicits_
val df=序列（（1,2）、（2,3）、（3,4））.toDF（“a”、“b”）
val cols=用于{
a为任何寻求此解决方案的人找到了以下解决方案：

String[] strColNameArray = dataset.columns();
List<Column> colNames = new ArrayList<>();
for(String strColName : strColNameArray){
    colNames.add(new Column(strColName).cast("string"));
}
dataset = dataset.select(JavaConversions.asScalaBuffer(colNames));`

String[]strColNameArray=dataset.columns（）；
List colNames=new ArrayList（）；
for（字符串strColName:strColNameArray）{
添加（新列（strColName）.cast（“字符串”）；
}
dataset=dataset.select（JavaConversions.asScalaBuffer（colNames））`
谢谢Matt。但这是在Scala中。我需要Java的代码段。但我后来才弄明白。我使用了：
String[]strColNameArray=dataset.columns（）；
List colNames=new ArrayList（）；
for（String strColName:strColNameArray）{
colNames.add（new Column（strColName）.cast（“String”））；
}
dataset=dataset.select（JavaConversions.asScalaBuffer（colNames））；
sry关于这一点，我似乎没有完全阅读您的问题无需担心！感谢您的帮助！
import spark.implicits._

val df = Seq((1, 2), (2, 3), (3, 4)).toDF("a", "b")

val cols = for {
  a <- df.columns
} yield col(a).cast(StringType)

df.select(cols : _*)

String[] strColNameArray = dataset.columns();
List<Column> colNames = new ArrayList<>();
for(String strColName : strColNameArray){
    colNames.add(new Column(strColName).cast("string"));
}
dataset = dataset.select(JavaConversions.asScalaBuffer(colNames));`