Abh*_* Vk 5 java iterator apache-spark apache-spark-dataset apache-spark-2.0
我试图遍历数据集来进行一些字符串相似度计算,如Jaro winkler或Cosine Similarity.我将我的数据集转换为行列表,然后遍历for语句,这不是有效的火花方式.所以我期待在Spark中采用更好的方法.
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();
}
}
Run Code Online (Sandbox Code Playgroud)
我发现了许多我不清楚的JavaRDD示例.数据集的示例将对我有所帮助.
aba*_*hel 20
你可以使用org.apache.spark.api.java.function.ForeachFunction如下.
oldDF.foreach((ForeachFunction<Row>) row -> System.out.println(row));
Run Code Online (Sandbox Code Playgroud)
| 归档时间: |
|
| 查看次数: |
16970 次 |
| 最近记录: |