Spark sql 数据框 - 导入 sqlContext.implicits._

Question

我有创建 spark 上下文的 main：

    val sc = new SparkContext(sparkConf)
    val sqlContext = new org.apache.spark.sql.SQLContext(sc)
    import sqlContext.implicits._

然后创建数据框并对数据框进行过滤和验证。

    val convertToHourly = udf((time: String) => time.substring(0, time.indexOf(':')) + ":00:00")

    val df = sqlContext.read.schema(struct).format("com.databricks.spark.csv").load(args(0))
    // record length cannot be < 2 
    .na.drop(3)
    // round to hours
    .withColumn("time",convertToHourly($"time"))

效果很好。

但是当我尝试通过将数据帧发送到

将我的验证移动到另一个文件时

function ValidateAndTransform(df: DataFrame) : DataFrame = {...}

获取 Dataframe 并进行验证和转换：看来我需要

 import sqlContext.implicits._

To avoid the error: “value $ is not a member of StringContext” that happens on line: .withColumn("time",convertToHourly($"time"))

但要使用 import sqlContext.implicits._ 我还需要像这样在新文件中定义的 sqlContext：

val sc = new SparkContext(sparkConf)
val sqlContext = new org.apache.spark.sql.SQLContext(sc)

或发送至

function ValidateAndTransform(df: DataFrame) : DataFrame = {...}
function

我觉得我尝试对 2 个文件（主文件和验证文件）进行的分离没有正确完成...

知道如何设计吗？或者只是将 sqlContext 发送到函数？

谢谢！

Answer 1

您可以使用 SQLContext 的单个实例。您可以在 spark repository

中查看此示例

/** Lazily instantiated singleton instance of SQLContext */
object SQLContextSingleton {

  @transient  private var instance: SQLContext = _

  def getInstance(sparkContext: SparkContext): SQLContext = {
    if (instance == null) {
      instance = new SQLContext(sparkContext)
    }
    instance
  }
}
...
//And wherever you want you can do
val sqlContext = SQLContextSingleton.getInstance(rdd.sparkContext)
import sqlContext.implicits._

Spark sql 数据框 - 导入 sqlContext.implicits._

Spark sql Dataframe - import sqlContext.implicits._

apache-spark-sql

spark-dataframe