Apache Spark - 从 rdd 转换为数据帧时超出范围的索引

Question

我正在尝试将Spark RDD转换为数据帧。虽然RDD在我将其转换为数据帧时很好，但出现索引超出范围的错误。

alarms = sc.textFile("hdfs://nanalyticsedge.com:8020/hdp/oneday.csv")
alarms = alarms.map(lambda line: line.split(","))
header = alarms.first()
alarms = alarms.filter(lambda line:line != header)
alarms = alarms.filter(lambda line: len(line)>1)
alarms_df = alarms.map(lambda line: Row(IDENTIFIER=line[0],SERIAL=line[1],NODE=line[2],NODEALIAS=line[3],MANAGER=line[4],AGENT=line[5],ALERTGROUP=line[6],ALERTKEY=line[7],SEVERITY=line[8],SUMMARY=line[9])).toDF()
alarms_df.take(100)

在这里 alarms.count（） 工作正常，而 alarms_df.count（） 给出的索引超出范围。它是从预言机导出的数据

从@Dikei的回答中我发现：

alarms = alarms.filter(lambda line: len(line) == 10)

给了我正确的数据帧，

但为什么数据帧在数据库导出时会丢失，我该如何防止它？

Answer 1

我认为

问题是您的某些行不包含 10 个元素。很容易检查，尝试更改

alarms = alarms.filter(lambda line: len(line)>1)

自

alarms = alarms.filter(lambda line: len(line) == 10)

Answer 2

没有提到索引的数据。尝试类似的东西，如果数组有超过 9 个打印第 10 个元素

myData.foreach { x => if(x.size.!=(9)){println(x(10))}  }