时间戳

首页 > 解决方案 > Scala spark：从数据集映射操作创建数据集列表

scala - Scala spark：从数据集映射操作创建数据集列表

问题描述

假设我想在转换另一个数据集后创建 2 种类型的 metric：metricA 或 metricB。如果满足某个条件，它将同时生成 metricA 和 B，如果不满足条件，则仅生成 metric A。想法是将 2 个 metric 写入 2 个不同的路径（pathA，pathB）。

我采用的方法是创建一个 GeneralMetric 的数据集，然后根据里面的内容，写入不同的路径，但显然它不起作用，因为数据集中的模式匹配不起作用

val s: SparkSession = SparkSession
    .builder()
    .appName("Metric")
    .getOrCreate()
import s.implicits._

case class original (id : Int, units: List[Double])

case class MetricA (a: Int, b: Int, filtered_unit: List[Double])
case class MetricB (a: Int, filtered_unit: List[Double])
case class GeneralMetric(metricA: MetricA, metricB: Option[MetricB])

def createA: MetricA = {
    MetricA(1, 1, List(1.0, 2.0)
}

def createB: MetricB = {
    MetricB(1, List(10.0, 20.0)
}
def create (isBoth: Boolean): GeneralMetric = {
    if(isBoth) {
       val a: MetricA = createA()
       val b: MetricB = createB()
       GeneralMetric(a, Some(b))
    }
    else {
       val a: MetricA = createA()
       GeneralMetric(a, None)
    }
}

val originalDF: DataFrame

val result : Dataset[GeneralMetric] =
                 originalDF.as[original]
                 .map { r =>
                      if(r.id == 21) create(true)
                      else create(false)
                 }

val pathA: String = "s3://pathA"
val pathB: String = "s3://pathB"

//below code obviously wouldn't work
result.map(x => {
    case (metricA, Some(metricB)) => {
      metricA.write.parquet(pathA)
      metricB.write.parquet(pathB)
    }
    case (metricA, None) => metricA.write.parquet(pathA)

  })

我想到的下一个方法是将结果放在 List[GeneralMetric] 中，其中 GeneralMetric 是一个密封的轨迹，由 MetricA 和 MetricB 扩展，但我怎样才能使数据集转换返回一个 GeneralMetric 列表。

任何想法都会有所帮助

标签： scalaapache-sparkgenerics

解决方案

为什么不

result.map({
    case (metricA, Some(metricB)) =>
      metricA.write.parquet(pathA)
      metricB.write.parquet(pathB)
    case (metricA, None) => metricA.write.parquet(pathA)

  })

在你的情况下工作？这只是语法问题吗？

另外：您似乎是独立发送指标（或至少在此示例中）。您可以将其建模为：

sealed trait Metric {
  def write
}
case class MetricA (a: Int, b: Int, filtered_unit: List[Double]) extends Metric {
  override def write: Unit = ???
}
case class MetricB (a: Int, filtered_unit: List[Double]) extends Metric {
  override def write: Unit = ???
}

并打电话

implicit val enc: Encoder[Metric] = Encoders.kryo[Metric]
val result: Dataset[Metric] =
    originalDF.as[original]
      .flatMap { r =>
        if (r.id == 21) createA :: createB :: Nil
        else createA :: Nil
      }
result.foreach(metric.write.parquet())

推荐阅读