8

假设我有一个Dataset这样的 Spark：

scala> import java.sql.Date
scala> case class Event(id: Int, date: Date, name: String)
scala> val ds = Seq(Event(1, Date.valueOf("2016-08-01"), "ev1"), Event(2, Date.valueOf("2018-08-02"), "ev2")).toDS

我想创建一个Dataset只有名称和日期字段的新字段。据我所知，我可以使用ds.select()withTypedColumn或者我可以使用ds.select()withColumn然后将其转换DataFrame为Dataset.

但是，我无法让前一个选项与该Date类型一起使用。例如：

scala> ds.select($"name".as[String], $"date".as[Date])
<console>:31: error: Unable to find encoder for type stored in a Dataset.  Primitive types (Int, String, etc) and Product types (case classes) are supported by importing spark.implicits._  Support for serializing other types will be added in future releases.
              ds.select($"name".as[String], $"date".as[Date])
                                                      ^

后一个选项有效：

scala> ds.select($"name", $"date").as[(String, Date)]
res2: org.apache.spark.sql.Dataset[(String, java.sql.Date)] = [name: string, date: date]

有没有一种方法可以从不来回选择Date字段？DatasetDataFrame

4

1 回答 1

5

一整天都在抨击这些问题。我认为你可以用一行来解决你的问题：

implicit val e: Encoder[(String, Date)] = org.apache.spark.sql.Encoders.kryo[(String,Date)]

至少这对我有用。

编辑

在这些情况下，问题在于，对于大多数Dataset操作，Spark 2 需要一个Encoder存储模式信息（可能是为了优化）。模式信息采用隐式参数的形式（并且一堆Dataset操作具有这种隐式参数）。

在这种情况下，OP 找到了正确的模式，java.sql.Date因此以下工作：

implicit val e = org.apache.spark.sql.Encoders.DATE
于 2016-08-05T21:35:43.910 回答