如何将java复杂对象转换为spark数据帧

我正在使用JavaSpark，下面是我的代码

JavaRDD<MyComplexEntity> myObjectJavaRDD = resultJavaRDD.flatMap(result -> result.getMyObjects());

DataFrame df = sqlContext.createDataFrame(myObjectJavaRDD, MyComplexEntity.class);

df.saveAsParquetFile("s3a://mybucket/test.parquet");

---

问题是我在从myObjectJavaRDD创建数据帧时在步骤2失败。如何将复杂java对象列表转换为数据帧。谢谢

不管怎样，你能把它转换成Scala吗

Scala支持这种情况下的

case类

对于您的案例，挑战在于您有一个

Seq/Array

的

internal

case类as=>

private java.util.ArrayList secodaryId

所以可以按照下面的方法来做

// inner case class Identifier
case class Identifier(Id : Integer , uuid : String)
val innerVal = Seq(Identifier(1,"gsgsg"),Identifier(2,"dvggwgwg"))

// Outer case class MyComplexEntity
case class MyComplexEntity(notes : String, identifierArray : Seq[Identifier])
val outerVal = MyComplexEntity("Hello", innerVal)

请注意=>

// See how it is Infered
// unMappedDs: org.apache.spark.sql.Dataset[(String, Seq[(Int, String)])] = [_1: string, _2: array<struct<_1:int,_2:string>>]

outerVal:MyComplexEntity包含标识符对象的列表，如下所示

outerVal:MyComplexEntity=MyComplexEntity（你好，列表（标识符（1，gsgsg），标识符（2，dvggwgwg））

现在，使用数据集

import spark.implicits._
// Convert Our Input Data in Same Structure as your MyComplexEntity
// Only Trick is To 'Reflect' A Seq[(Int,String)] => Seq[Identifier]
// Hence we have to do 2 Mapping once for Outer Case class (MyComplexEntity) And Once For Inner Seq of Identifier
// If We Just Take this Input Data and Convert To DataSet ( without any Schema Inference)
// This is How It looks 

val inputData = Seq(("Some DAY",Seq((210,"wert67"),(310,"bill123"))),
                    ("I WILL BE", Seq((420,"henry678"),(1000,"baba123"))),
                    ("Saturday Night",Seq((1000,"Roger123"),(2000,"God345")))
                    )
                    
val unMappedDs = inputData.toDS


给我们提供=>

// See how it is Infered
// unMappedDs: org.apache.spark.sql.Dataset[(String, Seq[(Int, String)])] = [_1: string, _2: array<struct<_1:int,_2:string>>]

我们得到的结构类似于=>

// See how it is Infered
// unMappedDs: org.apache.spark.sql.Dataset[(String, Seq[(Int, String)])] = [_1: string, _2: array<struct<_1:int,_2:string>>]

resultDs:org.apache.spark.sql.Dataset[MyComplexEntity]=[注意：字符串，标识符数组：数组]

和数据如下：

+--------------+--------------------------------+
|notes         |identifierArray                 |
+--------------+--------------------------------+
|Some DAY      |[[210,wert67], [310,bill123]]   |
|I WILL BE     |[[420,henry678], [1000,baba123]]|
|Saturday Night|[[1000,Roger123], [2000,God345]]|
+--------------+--------------------------------+

使用Scala很容易。
谢谢。
非常感谢您的详细回答，@SanBan。然而，我不能选择走哪条路。我是在Java编写的遗留代码的基础上构建的。不管怎样，我可以用java实现这一点吗？还是就你所知没有办法？再次感谢。只需在Java语法中使用
map（x=>MyComplexEntity（x.\u 1，x.\u 2.map（y=>Identifier（y.\u 1，y.\u 2）））
。如果您喜欢答案，请向上投票：-）
+--------------+--------------------------------+
|notes         |identifierArray                 |
+--------------+--------------------------------+
|Some DAY      |[[210,wert67], [310,bill123]]   |
|I WILL BE     |[[420,henry678], [1000,baba123]]|
|Saturday Night|[[1000,Roger123], [2000,God345]]|
+--------------+--------------------------------+