如何在spark-java项目的info / debug级别中记录spark数据集printSchema

Question

试图将我的spark scala项目转换为spark-java项目。我有一个scala登录如下

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

    class ClassName{
      val logger  = LoggerFactory.getLogger("ClassName")
      ...
      val dataframe1 = ....///read dataframe from text file.
      ...

      logger.debug("dataframe1.printSchema : \n " + dataframe1.printSchema; //this is working fine.
    }

现在我试图在java 1.8中编写它，如下所示

public class ClassName{

    public static final Logger logger  = oggerFactory.getLogger("ClassName"); 
      ...
     Dataset<Row> dataframe1 = ....///read dataframe from text file.
     ...

     logger.debug("dataframe1.printSchema : \n " + dataframe1.printSchema()); //this is not working 

}

我尝试了几种方法，但没有任何方法可以在调试/信息模式下记录printSchema。

dataframe1.printSchema（）//这实际上返回了void，因此无法附加到字符串。

如何实际记录spark-java生产等级项目？登录调试需要遵循的最佳方法是什么？

如何处理上述情况？即java中的log.debug（dataframe1.printSchema（））？

Answer 1

你可以使用df.schema.treeString。与Void返回的java中的df.printSchema的Unit（）相当时，返回一个字符串。在Scala中也是如此，我相信它在Java中是相同的。让我知道这是否有帮助。

scala> val df = Seq(1, 2, 3).toDF()
df: org.apache.spark.sql.DataFrame = [value: int]

scala> val x = df.schema.treeString
x: String =
"root
 |-- value: integer (nullable = false)
"

scala> val y = df.printSchema
root
 |-- value: integer (nullable = false)

y: Unit = ()

Answer 2

printSchema方法已经将模式打印到控制台，而不以任何形式返回它。您只需调用该方法并将控制台输出重定向到其他位置即可。还有其他的解决方法，如this one。