如何在 Spark 2 中的数据帧中允许接受 None 值

Question

我有一个类似这样的模式 -

val schema = StructType( Seq (
StructField( "a", StringType, true),
StructField( "b", StringType, true),
StructField( "c", StringType, true)
))
and making a dataframe like - 
import scala.collection.JavaConverters._
val listrow: List[Row] = List(Row("E-001", "P-001", None), Row("E-001", "P-001", "Attending"))
val rdd = sqlContext.sparkContext.parallelize(listrow)
val df = sqlContext.createDataFrame(rdd, scm)

现在，当我做一个 df.first（） 时，我得到一个错误，其本质是 -java.lang.RuntimeException： 编码时出错： java.lang.RuntimeException： scala.None$ 不是字符串架构的有效外部类型

请注意，我只需要以这种方式创建 df。以上只是一个示例，但生产中的代码有点复杂。我认为它曾经在 Spark 1.6 中工作，但在 Spark 2.0.1 中开始失败。这与编码器有关吗？请注意，某些数据将始终具有 None，并且 df 需要处理它。有没有办法处理这个问题，或者数据不能没有？

这里的其他人也能看到这一点，并且可能知道解决方案是什么吗？

满

怀期待地感谢！

Answer 1

您可以将 None 替换为 null.asInstanceOf[String]：

val listrow: List[Row] = List(Row("E-001", "P-001", null.asInstanceOf[String]), Row("E-001", "P-001", "Attending"))
scala> df.show
+-----+-----+---------+
|    a|    b|        c|
+-----+-----+---------+
|E-001|P-001|     null|
|E-001|P-001|Attending|
+-----+-----+---------+

或者使用前面提到的内容，并使用使用 Option[String] 作为第三个值的 case 类：

case class Foo(a: String, b:String, c:Option[String])
val listFoo: List[Foo] = List(Foo("E-001", "P-001", None), Foo("E-001", "P-001", Some("Attending")))
listFoo.toDF.show
+-----+-----+---------+
|    a|    b|        c|
+-----+-----+---------+
|E-001|P-001|     null|
|E-001|P-001|Attending|
+-----+-----+---------+