我正在尝试展平包含多个页面链接(个性化对象)列表的RDD。
这就是我想要做的:
JavaRDD<List<PageLink>> lines = sc.textFile(args[0])
.filter(s -> s.startsWith("INSERT INTO")) // Only INSERT INTO lines
.map(s -> s.substring(31)) // Substract 'INSERT INTO `pagelinks` VALUES ' from the line
.map(s -> getValues(s));
JavaRDD<PageLink> pageLinks = lines.flatMap();
这是我的PageLink类:
/*
* To change this license header, choose License Headers in Project Properties.
* To change this template file, choose Tools | Templates
* and open the template in the editor.
*/
package me.dekimpe.types;
import java.io.Serializable;
/**
*
* @author Coreuh
*/
public class PageLink implements Serializable {
private int pl_id;
private String pl_title;
public int getId() {
return pl_id;
}
public String getTitle() {
return pl_title;
}
public void setId(int pl_id) {
this.pl_id = pl_id;
}
public void setTitle(String pl_title) {
this.pl_title = pl_title;
}
public String toString() {
return "Pagelink : {'pl_id': " + this.pl_id + ", 'pl_title': '" + this.pl_title + "'}";
}
}
我想这样做是因为我想用得到的PageLinks创建一个DataFrame:
Dataset<Row> df = spark.createDataFrame(pageLinks, PageLink.class);
df.limit(100).show();
最佳答案
您需要在.flatMap()
中返回迭代器
JavaRDD<PageLink> pageLinks = lines.flatMap(list -> list.iterator());
如果需要在单个语句中执行,则计算
lines
时的最后一个函数可以是flatMap()
而不是map()
。