从“org.apache.spark.sql.Row”中提取信息

Question

我Array[org.apache.spark.sql.Row]返回sqc.sql(sqlcmd).collect()：

Array([10479,6,10], [8975,149,640], ...)

我可以得到个人值：

scala> pixels(0)(0)
res34: Any = 10479

但它们是Any，而不是Int.

如何将它们提取为Int？

最明显的解决方案不起作用：

scala> pixels(0).getInt(0)
java.lang.ClassCastException: java.lang.String cannot be cast to java.lang.Int

附言。我可以做pixels(0)(0).toString.toInt或pixels(0).getString(0).toInt，但他们感觉不对劲......

Answer 1

使用getInt应该有效。这是一个人为的例子作为概念证明

import org.apache.spark.sql._
sc.parallelize(Array(1,2,3)).map(Row(_)).collect()(0).getInt(0)

此返回 1

然而

sc.parallelize(Array("1","2","3")).map(Row(_)).collect()(0).getInt(0)

失败。因此，它看起来像是作为字符串出现的，您必须手动转换为 int。

sc.parallelize(Array("1","2","3")).map(Row(_)).collect()(0).getString(0).toInt

文档指出getInt：

返回列 i 的值作为 int。如果值为 i 不是整数，或者如果它为 null，则此函数将引发异常。

所以，它似乎不会尝试为你投射

Answer 2

> Row类（另见 https://spark.apache.org/docs/1.1.0/api/scala/index.html#org.apache.spark.sql.package）有方法getInt(i: Int)、getDouble(i: Int)等。

另请注意，SchemaRDD是一个RDD[Row]加上一个schema，告诉您哪一列具有哪种数据类型。如果您这样做.collect()您只会得到一个没有该信息的Array[Row]。因此，除非您确定数据的外观，否则请从SchemaRDD获取架构，然后收集行，然后使用正确的类型信息访问每个字段。

Answer 3

答案是相关的。 您不需要使用 collect，而是需要调用方法getInt getString和 getAs 以防数据类型复杂

val popularHashTags = sqlContext.sql("SELECT hashtags, usersMentioned, Url FROM tweets")
var hashTagsList =  popularHashTags.flatMap ( x => x.getAs[Seq[String]](0))