spark-通过StructType直接指定Schema

最新推荐文章于 2025-03-05 10:13:29 发布

绛门人

最新推荐文章于 2025-03-05 10:13:29 发布

阅读量2.9w

点赞数 3

分类专栏： spark

本文链接：https://blog.youkuaiyun.com/wt346326775/article/details/72871567

版权

本文演示如何在Spark中将一个程序打包为jar文件，并上传到Spark集群执行。任务是读取person.txt文件，利用StructType指定Schema，然后将结果写入hdfs路径out1。最后通过hdfs命令查看处理后的数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

package cn.itcast.spark.sql

import org.apache.spark.sql.{Row, SQLContext}
import org.apache.spark.sql.types._
import org.apache.spark.{SparkContext, SparkConf}

/**
  * Created by ZX on 2015/12/11.
  */
object SpecifyingSchema {
  def main(args: Array[String]) {
    //创建SparkConf()并设置App名称
    val conf = new SparkConf().setAppName("SQL-2")
    //SQLContext要依赖SparkContext
    val sc = new SparkContext(conf)
    //创建SQLContext
    val sqlContext = new SQLContext(sc)
    //从指定的地址创建RDD
    val personRDD = sc.textFile(args(0)).map(_.split(" "))
    //通过StructType直接指定每个字段的schema
    val schema = StructType(
      List(
        StructField("id", IntegerType, true),
        StructField("name", StringType, true),
        StructField("age", IntegerType, true)
      )
    )
    //将RDD映射到rowRDD
    val rowRDD = personRDD.map(p => Row(p(0).toInt, p(1).trim, p(2).toInt))
    //将schema信息应用到rowRDD上