如何将 Dataset<Tuple2<String,DeviceData>> 转换为 Iterator<DeviceData>

Question

我有 Dataset<Tuple2<String,DeviceData>>，想将其转换为 Iterator<DeviceData>。

下面是我使用 collectAsList() 方法然后获取 Iterator<DeviceData> 的代码。

Dataset<Tuple2<String,DeviceData>> ds = ...;
List<Tuple2<String, DeviceData>> listTuple = ds.collectAsList();

ArrayList<DeviceData> myDataList = new ArrayList<DeviceData>();
for(Tuple2<String, DeviceData> tuple : listTuple){
    myDataList.add(tuple._2());
}

Iterator<DeviceData> myitr = myDataList.iterator();

我不能使用 collectAsList()，因为我的数据很大，会影响性能。我查看了数据集 API 但无法找到任何解决方案。我用谷歌搜索但找不到任何答案。有人可以指导我吗？如果解决方案在 java 中，那就太好了。谢谢。

编辑：

DeviceData class 是简单的 javabean。这是 ds.

的 printSchema() 输出

root
 |-- value: string (nullable = true)
 |-- _2: struct (nullable = true)
 |    |-- deviceData: string (nullable = true)
 |    |-- deviceId: string (nullable = true)
 |    |-- sNo: integer (nullable = true)

Answer 1

您可以直接从ds中提取DeviceData，而无需再次收集和构建。

Java:

Function<Tuple2<String, DeviceData>, DeviceData> mapDeviceData =
    new Function<Tuple2<String, DeviceData>, DeviceData>() {
      public DeviceData call(Tuple2<String, DeviceData> tuple) {
        return tuple._2();
      }
    };

Dataset<DeviceData> ddDS = ds.map(mapDeviceData) //extracts DeviceData from each record

Scala:

val ddDS = ds.map(_._2) //ds.map(row => row._2)