Scala sparksql：来自csv的自动模式

spark sql是否提供自动加载csv数据的方法？ 我发现了下面的东西，吉拉：但它已经关闭了

目前，我将加载一个csv文件，如下所示：

case class Record(id: String, val1: String, val2: String, ....)

 sc.textFile("Data.csv")
.map(_.split(",")) 
.map { r =>                  
   Record(r(0),r(1), .....)
}.registerAsTable("table1")

从csv文件自动推断模式有什么提示吗？特别是a）如何生成表示模式的类以及b）如何自动填充它（即记录（r（0），r（1），…）

更新： 我在这里找到了架构生成的部分答案：

所以剩下的唯一问题就是如何完成这一步

map（p=>Row（p（0），p（1）.trim））

为给定数量的属性动态映射

谢谢你的支持！ 约格

也许这个链接会对你有所帮助

---

您可以在不必定义列名和自动使用标题的情况下使用where来保存一些击键。

我认为最初的问题是关于如何使用

案例类而不是
数据帧
@user955091您的否决理由没有考虑在内：1）问题更多的是关于找到一个解决方案，解决spark sql和csv而不是案例类，2）答案已被问题作者接受，3）答案在你投反对票之前已累积了4票。你不觉得你的否决票有点苛刻吗？
// The schema is encoded in a string
val schemaString = "name age"
// Generate the schema based on the string of schema
val schema =
 StructType(
schemaString.split(" ").map(fieldName => StructField(fieldName, StringType, true)))
// Convert records of the RDD (people) to Rows.
val rowRDD = people.map(_.split(",")).map(p => Row(p(0), p(1).trim))
// Apply the schema to the RDD.
val peopleSchemaRDD = sqlContext.applySchema(rowRDD, schema)

val schemaString = "name age".split(" ")
// Generate the schema based on the string of schema
val schema =   StructType(schemaString.map(fieldName => StructField(fieldName, StringType, true)))
val lines = people.flatMap(x=> x.split("\n"))
val rowRDD = lines.map(line=>{
  Row.fromSeq(line.split(" "))
})
val peopleSchemaRDD = sqlContext.applySchema(rowRDD, schema)