如何将一行数组平面映射为多行？

Question

在解析了一些 json 之后，我有一个单列的数组 DataFrame

scala> val jj =sqlContext.jsonFile("/home/aahu/jj2.json")
res68: org.apache.spark.sql.DataFrame = [r: array<bigint>]
scala> jj.first()
res69: org.apache.spark.sql.Row = [List(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)]

我想将每一行分解成几行。怎么样？

编辑：

原始 json 文件：

{"r": [0,1,2,3,4,5,6,7,8,9]}
{"r": [0,1,2,3,4,5,6,7,8,9]}

我想要一个 20 行的 RDD 或 DataFrame。

我不能在这里简单地使用 flatMap - 我不确定 spark 中的适当命令是什么：

scala> jj.flatMap(r => r)
<console>:22: error: type mismatch;
 found   : org.apache.spark.sql.Row
 required: TraversableOnce[?]
              jj.flatMap(r => r)

Answer 1

您可以使用DataFrame.explode来实现您想要的。以下是我在 spark-shell 中使用您的示例 json 数据进行的尝试。

import scala.collection.mutable.ArrayBuffer
val jj1 = jj.explode("r", "r1") {list : ArrayBuffer[Long] => list.toList }
val jj2 = jj1.select($"r1")
jj2.collect

您可以参考API文档了解更多DataFrame.explode

Answer 2

我已经用 Spark 1.3.1 测试过了或者你可以使用 Row.getAs 函数：

import scala.collection.mutable.ArrayBuffer
val elementsRdd = jj.select(jj("r")).map(t=>t.getAs[ArrayBuffer[Long]](0)).flatMap(x=>x)
elementsRdd.count()
>>>Long = 20
elementsRdd.take(5)
>>>Array[Long] = Array(0, 1, 2, 3, 4)

Answer 3

在 Spark 1.3+ 中，您可以直接在感兴趣的列上使用 explode 函数：

import org.apache.spark.sql.functions.explode

jj.select(explode($"r"))

如何将一行数组平面映射为多行？

How do I flatMap a row of arrays into multiple rows?

apache-spark

apache-spark-sql