Java实战RDD与DataFrame动态转换操作

在企业中目前应用比较多的就是动态转换。动态的意思：是指提前不知道RDD中的每个record的列的个数，以及列的内容，只有在运行的时候才会知道，Row代表table中的一行数据。
实战代码如下：

package com.dt.spark.SparkApps.sql;/** * 打印结果：        [1,Spark,7]        [2,Hadoop,10]        [3,Flink,5] */import java.util.ArrayList;import java.util.List;import org.apache.spark.SparkConf;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.Function;import org.apache.spark.sql.DataFrame;import org.apache.spark.sql.Row;import org.apache.spark.sql.RowFactory;import org.apache.spark.sql.SQLContext;import org.apache.spark.sql.types.DataTypes;import org.apache.spark.sql.types.StructField;import org.apache.spark.sql.types.StructType;public class RDDToDataFrameByProgrammatically {    public static void main(String[] args) {        SparkConf conf = new SparkConf().setMaster("local").setAppName("RDDToDataFrameByReflection");        JavaSparkContext sc = new JavaSparkContext(conf);        SQLContext sqlContext = new SQLContext(sc);        //读取数据        JavaRDD<String> lines = sc.textFile("E://persons.txt");        /**         * 第一步：在RDD的基础上创建类型为Row的RDD         */        //首先，必须将RDD变成以Row为类型的RDD。Row可以简单理解为Table的一行数据        JavaRDD<Row> personsRDD = lines.map(new Function<String,Row>(){            @Override            public Row call(String line) throws Exception {                String[] splited = line.split(",");                return RowFactory.create(Integer.valueOf(splited[0]),splited[1],Integer.valueOf(splited[2]));            }        });        /**         * 第二步：动态构造DataFrame的元数据，一般而言，有多少列以及每列的具体类型可能来自于         * JSON文件，也可能来自于DB         */        //对Row具体指定元数据信息。        List<StructField> structFields = new ArrayList<StructField>();        //列名称  列的具体类型（Integer Or String） 是否为空一般为true，实际在开发环境是通过for循环，而不是手动添加        structFields.add(DataTypes.createStructField("id", DataTypes.IntegerType, true));        structFields.add(DataTypes.createStructField("name", DataTypes.StringType, true));        structFields.add(DataTypes.createStructField("age", DataTypes.IntegerType, true));        //构建StructType,用于最后DataFrame元数据的描述        StructType structType = DataTypes.createStructType(structFields);        /**         * 第三步：基于已有的MetaData以及RDD<Row>来构造DataFrame         */        DataFrame personsDF = sqlContext.createDataFrame(personsRDD, structType);        /**         * 第四步：注册成临时表以供后续的SQL查询操作         */        personsDF.registerTempTable("persons");        /**         * 第五步：进行数据的多维度分析         */        DataFrame result = sqlContext.sql("select * from persons");        /**         * 第六步：对结果进行处理，包括由DataFrame转换成为RDD<Row>,以及结果的持久化         */        List<Row> listRow = result.javaRDD().collect();        for(Row row : listRow){            System.out.println(row);        }    }}