Scala sparkSQL.createDataFrame中出现奇怪的类型转换错误

以下代码失败：

val RDD = sparkContext.parallelize(Seq(
  Row("123", new java.lang.Integer(456))
))
val schema = StructType(
  StructField("str", StringType) ::
  StructField("dbl", DoubleType) :: Nil
)
val df = sqlContext.createDataFrame(RDD, schema)
df.collect().foreach(println)

除此之外：

java.lang.ClassCastException: java.lang.Integer cannot be cast to java.lang.Double
    at scala.runtime.BoxesRunTime.unboxToDouble(BoxesRunTime.java:119)
    at org.apache.spark.sql.catalyst.expressions.BaseGenericInternalRow$class.getDouble(rows.scala:44)
    at org.apache.spark.sql.catalyst.expressions.GenericInternalRow.getDouble(rows.scala:221)
    ....

请注意，这只是一个测试用例，在实际情况中，类型java.lang.Integer是从另一个函数返回的，因此我无法从头创建具有未绑定数值的行

---

如何解决这个问题？

整数不是双精度数，Spark的抱怨是正确的。手动类型转换：

val toDouble = udf {x: Int => x.toDouble}
df.withColumn("dbl", toDouble(df.col("ints")))

---

整数不是双精度的，Spark在抱怨中是正确的。手动类型转换：

val toDouble = udf {x: Int => x.toDouble}
df.withColumn("dbl", toDouble(df.col("ints")))

---

在创建数据帧之前，可以将整数转换为双精度：

val newRdd = RDD.map({ case Row(str, i: java.lang.Integer) => Row(str, i.toDouble) })
val df = sqlContext.createDataFrame(newRdd, schema)

---

在创建数据帧之前，可以将整数转换为双精度：

val newRdd = RDD.map({ case Row(str, i: java.lang.Integer) => Row(str, i.toDouble) })
val df = sqlContext.createDataFrame(newRdd, schema)

---

刚刚尝试用456替换新的java.lang.Integer456，但仍然出现相同的错误。有没有办法启用typecast？我刚刚尝试用456替换新的java.lang.Integer456，但仍然出现同样的错误。有没有办法启用类型转换？