it-swarm.com.ru

Взрывающаяся вложенная структура данных в Spark

Я работаю через Databricks пример . Схема для фрейма данных выглядит следующим образом:

> parquetDF.printSchema
root
|-- department: struct (nullable = true)
|    |-- id: string (nullable = true)
|    |-- name: string (nullable = true)
|-- employees: array (nullable = true)
|    |-- element: struct (containsNull = true)
|    |    |-- firstName: string (nullable = true)
|    |    |-- lastName: string (nullable = true)
|    |    |-- email: string (nullable = true)
|    |    |-- salary: integer (nullable = true)

В этом примере они показывают, как разбить столбец сотрудников на 4 дополнительных столбца:

val explodeDF = parquetDF.explode($"employees") { 
case Row(employee: Seq[Row]) => employee.map{ employee =>
  val firstName = employee(0).asInstanceOf[String]
  val lastName = employee(1).asInstanceOf[String]
  val email = employee(2).asInstanceOf[String]
  val salary = employee(3).asInstanceOf[Int]
  Employee(firstName, lastName, email, salary)
 }
}.cache()
display(explodeDF)

Как мне сделать что-то похожее со столбцом отдела (то есть добавить два дополнительных столбца к кадру данных с именами «id» и «name»)? Методы не совсем одинаковы, и я могу только выяснить, как создать новый фрейм данных, используя:

val explodeDF = parquetDF.select("department.id","department.name")
display(explodeDF)

Если я попробую:

val explodeDF = parquetDF.explode($"department") { 
  case Row(dept: Seq[String]) => dept.map{dept => 
  val id = dept(0) 
  val name = dept(1)
  } 
}.cache()
display(explodeDF)

Я получаю предупреждение и ошибку:

<console>:38: warning: non-variable type argument String in type pattern Seq[String] is unchecked since it is eliminated by erasure
            case Row(dept: Seq[String]) => dept.map{dept => 
                           ^
<console>:37: error: inferred type arguments [Unit] do not conform to    method explode's type parameter bounds [A <: Product]
  val explodeDF = parquetDF.explode($"department") { 
                                   ^
16
Feynman27

Вы можете использовать что-то вроде этого:

var explodeDF = explodeDF.withColumn("id", explodeDF("department.id"))
explodeDeptDF = explodeDeptDF.withColumn("name", explodeDeptDF("department.name"))

в котором вы мне помогли и эти вопросы:

9
gsamaras

Кажется, это работает (хотя, возможно, не самое элегантное решение). 

var explodeDF2 = explodeDF.withColumn("id", explodeDF("department.id"))
explodeDF2 = explodeDF2.withColumn("name", explodeDF2("department.name"))
3
Feynman27

На мой взгляд, наиболее элегантным решением является расширение структуры Struct с помощью оператора select, как показано ниже:

var explodedDf2 = explodedDf.select("department.*","*")

https://docs.databricks.com/spark/latest/spark-sql/complex-types.html

1
DHARIN PAREKH