Spark 2.0(最终版)与Scala 2.11.8。以下超级简单代码产生编译错误Error:(17, 45) Unable to find encoder for type stored in a Dataset. Primitive types (Int, String, etc) and Product types (case classes) are supported by importing spark.implicits._ Support for serializing other types will be added in future releases.
import org.apache.spark.sql.SparkSession
case class SimpleTuple(id: Int, desc: String)
object DatasetTest {
val dataList = List(
SimpleTuple(5, "abc"),
SimpleTuple(6, "bcd")
)
def main(args: Array[String]): Unit = {
val sparkSession = SparkSession.builder.
master("local")
.appName("example")
.getOrCreate()
val dataset = sparkSession.createDataset(dataList)
}
}
Spark Datasets
要求Encoders
表示要存储的数据类型。对于常见的类型(原子,产品类型),有许多可用的预定义编码器,但是您必须首先从SparkSession.implicits
导入这些编码器才能使其起作用:
SparkSession.implicits
或者,您可以直接提供一个明确的
val sparkSession: SparkSession = ???
import sparkSession.implicits._
val dataset = sparkSession.createDataset(dataList)
或隐式
import org.apache.spark.sql.{Encoder, Encoders}
val dataset = sparkSession.createDataset(dataList)(Encoders.product[SimpleTuple])
implicit val enc: Encoder[SimpleTuple] = Encoders.product[SimpleTuple]
val dataset = sparkSession.createDataset(dataList)
用于存储的类型。
请注意,Encoder
还为原子类型提供了许多预定义的Encoders
,而对于复杂原子类型则提供了Encoders
,可以使用Encoders
派生。
进一步阅读:
ExpressionEncoder
ExpressionEncoder
对象,您必须明确地提供How to store custom objects in Dataset?,如Row
所示Encoder
之外定义用例类>对于其他用户(您是正确的),请注意,在Encoder error while trying to map dataframe row to updated row范围之外定义https://stackoverflow.com/a/34715827/3535853也很重要。因此:
我想回答我自己的问题,如果目标是定义一个简单的文字SparkData框架,而不是使用Scala元组和隐式转换,则更简单的方法是像这样直接使用Spark API:] >
case class SimpleTuple(id: Int, desc: String)
object DatasetTest {
val dataList = List(
SimpleTuple(5, "abc"),
SimpleTuple(6, "bcd")
)
def main(args: Array[String]): Unit = {
val sparkSession = SparkSession.builder
.master("local")
.appName("example")
.getOrCreate()
import sparkSession.implicits._
val dataset = sparkSession.createDataset(dataList)
}
}