我正在尝试遍历数据集来进行一些字符串相似度计算,例如 Jaro winkler 或余弦相似度。我将数据集转换为行列表,然后使用 for 语句进行遍历,这不是有效的 Spark 方法。所以我期待 Spark 中有更好的方法。
public class sample {
public static void main(String[] args) {
JavaSparkContext sc = new JavaSparkContext(new SparkConf().setAppName("Example").setMaster("local[*]"));
SQLContext sqlContext = new SQLContext(sc);
SparkSession spark = SparkSession.builder().appName("JavaTokenizerExample").getOrCreate();
List<Row> data = Arrays.asList(RowFactory.create("Mysore","Mysuru"),
RowFactory.create("Name","FirstName"));
StructType schema = new StructType(
new StructField[] { new StructField("Word1", DataTypes.StringType, true, Metadata.empty()),
new StructField("Word2", DataTypes.StringType, true, Metadata.empty()) });
Dataset<Row> oldDF = spark.createDataFrame(data, schema);
oldDF.show();
List<Row> rowslist = oldDF.collectAsList();
}
}
我发现了很多我不清楚的JavaRDD示例。数据集的示例将对我有很大帮助。
您可以使用org.apache.spark.api.java.function.ForeachFunction
像下面这样。
oldDF.foreach((ForeachFunction<Row>) row -> System.out.println(row));
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)