Encoder
对于Pojo的/原语,Spark数据集从Row移到了。该Catalyst
引擎使用ExpressionEncoder
的列转换成SQL表达式。但是,似乎没有其他子类Encoder
可用作我们自己的实现的模板。
这是Spark 1.X / DataFrames中无法在新架构下编译的代码示例:
//mapping each row to RDD tuple
df.map(row => {
var id: String = if (!has_id) "" else row.getAs[String]("id")
var label: String = row.getAs[String]("label")
val channels : Int = if (!has_channels) 0 else row.getAs[Int]("channels")
val height : Int = if (!has_height) 0 else row.getAs[Int]("height")
val width : Int = if (!has_width) 0 else row.getAs[Int]("width")
val data : Array[Byte] = row.getAs[Any]("data") match {
case str: String => str.getBytes
case arr: Array[Byte@unchecked] => arr
case _ => {
log.error("Unsupport value type")
null
}
}
(id, label, channels, height, width, data)
}).persist(StorageLevel.DISK_ONLY)
}
我们得到一个编译器错误
Error:(56, 11) Unable to find encoder for type stored in a Dataset.
Primitive types (Int, String, etc) and Product types (case classes) are supported
by importing spark.implicits._ Support for serializing other types will be added in future releases.
df.map(row => {
^
因此,在某种程度上/某处应该有一种方法
DataFrame
(现在是类型的数据集Row
)上执行映射时应用它我正在寻找可以成功执行这些步骤的代码。
据我所知,自1.6和如何在数据集中存储自定义对象中描述的解决方案以来,并没有什么真正的改变。是唯一可用的选项。不过,您当前的代码对于产品类型的默认编码器应该可以正常工作。
要了解为什么您的代码在1.x中起作用而在2.0.0中不起作用,您必须检查签名。在1.x中,DataFrame.map
是一种具有功能Row => T
并转换RDD[Row]
为的方法RDD[T]
。
在2.0.0DataFrame.map
采用类型的函数Row => T
,以及,但变换Dataset[Row]
(又名DataFrame
)插入Dataset[T]
因此T
需要一个Encoder
。如果要获得“旧”行为,则应RDD
显式使用:
df.rdd.map(row => ???)
有关详细信息,Dataset[Row]
map
请参见尝试将数据框行映射到更新的行时出现编码器错误
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句