java如何在不知道数据模式的情况下将数据从文本文件加载到spark dataframe中？

Question

我在hadoop中有一个文本文件，我需要使用spark java api使用其第二列对其进行排序。我使用的是数据框，但我不确定它的列。 它可能有动态列，这意味着我不知道列的确切数量

我怎样才能继续？请帮帮我

提前谢谢

Answer 1

第一件事是我试图给出一个scala中的csv示例（不是java）

您可以使用Spark csv api创建数据帧，并根据需要的任何列进行排序。 如果您有任何限制，请参阅下面的方法

固定列数：

从下面的固定列数示例开始。。 你可以遵循这个例子

易趣的数据看起来像什么。csv:

“8213034705,95,2.927373,jake7870,0,95,117.5,xbox,3”

//  SQLContext entry point for working with structured data
val sqlContext = new org.apache.spark.sql.SQLContext(sc)
// this is used to implicitly convert an RDD to a DataFrame.
import sqlContext.implicits._
// Import Spark SQL data types and Row.
import org.apache.spark.sql._

//define the schema using a case class
case class Auction(auctionid: String, bid: Float, bidtime: Float, bidder: String, bidderrate: Integer, openbid: Float, price: Float, item: String, daystolive: Integer)


 val auction = sc.textFile("ebay.csv").map(_.split(",")).map(p => 
Auction(p(0),p(1).toFloat,p(2).toFloat,p(3),p(4).toInt,p(5).toFloat,p(6).toFloat,p(7),p(8).toInt )).toDF()

// Display the top 20 rows of DataFrame 
auction.show()
// auctionid  bid   bidtime  bidder         bidderrate openbid price item daystolive
// 8213034705 95.0  2.927373 jake7870       0          95.0    117.5 xbox 3
// 8213034705 115.0 2.943484 davidbresler2  1          95.0    117.5 xbox 3 …


// Return the schema of this DataFrame
auction.printSchema()
root
 |  auctionid: string (nullable = true)
 |  bid: float (nullable = false)
 |  bidtime: float (nullable = false)
 |  bidder: string (nullable = true)
 |  bidderrate: integer (nullable = true)
 |  openbid: float (nullable = false)
 |  price: float (nullable = false)
 |  item: string (nullable = true)
 |  daystolive: integer (nullable = true)

auction.sort("auctionid") // this will sort first column i.e auctionid

可变列数（since ^{} class with Array parameter is possible）：

您可以使用如下伪代码，其中前4个元素是固定的，其余所有元素都是可变数组

由于插入的目的只是对第二列进行排序，所以这将得到解决，并且所有其他数据将在该特定行的数组中，以供以后使用

case class Auction(auctionid: String, bid: Float, bidtime: Float, bidder: String, variablenumberofColumnsArray:String*)

 val auction = sc.textFile("ebay.csv").map(_.split(",")).map(p => 
Auction(p(0),p(1).toFloat,p(2).toFloat,p(3),p(4).toInt, VariableNumberOfColumnsArray or any complex type like Map ).toDF()

    auction.sort("auctionid") // this will sort first column i.e auctionid