迭代Spark数据集的行并在Java API中应用操作

Question

Spark（2.4.x）的新功能，并使用Java API（not Scala !!!）]

我有一个从CSV文件中读取的Dataset。它具有如下所示的架构（命名列）：

id (integer)  |  name (string)  |  color (string)  |  price (double)  |  enabled (boolean)

示例行：

23 | "hotmeatballsoup" | "blue" | 3.95 | true

数据集中有many（几万）行。我想使用适当的Java / Spark API编写一个表达式，该表达式可在每一行中滚动并在每行上执行以下两个操作：

1. 如果价格为null，则默认为0.00；然后
2. 如果颜色列的值为“红色”，请在价格上添加2.55

由于我是Spark的新手，所以我不确定从哪里开始！到目前为止，我最大的尝试肯定是错误的，但是我认为这至少是一个起点：

Dataset csvData = sparkSession.read()
    .format("csv")
    .load(fileToLoad.getAbsolutePath());

// ??? get rows somehow
Seq<Seq<String>> csvRows = csvData.getRows(???, ???);

// now how to loop through rows???
for (Seq<String> row : csvRows) {
    // how apply two operations specified above???
    if (row["price"] == null) {
        row["price"] = 0.00;
    }

    if (row["color"].equals("red")) {
        row["price"] = row["price"] + 2.55;
    }
}

有人可以在这里向正确的方向推动我吗？

Answer 1

您可以使用spark sql api实现它。空值也可以使用.fill()中的DataFrameNaFunctions替换为值。否则，您可以将Dataframe转换为Dataset并在.map中执行这些步骤，但是在这种情况下sql api更好，更高效。

+---+---------------+-----+-----+-------+
| id|           name|color|price|enabled|
+---+---------------+-----+-----+-------+
| 23|hotmeatballsoup| blue| 3.95|   true|
| 24|            abc|  red|  1.0|   true|
| 24|            abc|  red| null|   true|
+---+---------------+-----+-----+-------+

在类声明之前导入sql函数：

import static org.apache.spark.sql.functions.*;

sql api：

df.select(
        col("id"), col("name"), col("color"),
        when(col("color").equalTo("red").and(col("price").isNotNull()), col("price").plus(2.55))
        .when(col("color").equalTo("red").and(col("price").isNull()), 2.55)
        .otherwise(col("price")).as("price")
        ,col("enabled")
).show();

或使用临时视图和SQL查询：

df.createOrReplaceTempView("df");
spark.sql("select id,name,color, case when color = 'red' and price is not null then (price + 2.55) when color = 'red' and price is null then 2.55 else price end as price, enabled from df").show();

输出：

+---+---------------+-----+-----+-------+
| id|           name|color|price|enabled|
+---+---------------+-----+-----+-------+
| 23|hotmeatballsoup| blue| 3.95|   true|
| 24|            abc|  red| 3.55|   true|
| 24|            abc|  red| 2.55|   true|
+---+---------------+-----+-----+-------+