045 RDD与DataFrame互相转换

一：RDD与DataFrame互相转换

1.总纲

　　

二：DataFrame转换为RDD

1.rdd

　　使用schema可以获取DataFrame的schema

　　使用rdd可以获取DataFrame的数据

三：RDD转换为DataFrame

1.第一种方式

　　使用反射，

　　RDD的数据类型必须是case class。

    import sqlContext.implicits._                //如果不写，下面的转换不成功

    //transform
    val path="/spark/logs/input"
    val rdd=sc.textFile(path)
    val apacheAccessDataFrame=rdd
      .filter(line=>ApacheAccessLog.isValidateLogLine(line))
      .map(line => {
        ApacheAccessLog.parseLogLine(line)
    }).toDF()                                    //rdd转换为DataFrame

　　其中，ApacheAccessLog.parseLogLine(line)是case class类型。

2：第二种方式

package com.scala.it
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.types._
import org.apache.spark.sql.{Row, SQLContext}
import org.apache.spark.{SparkConf, SparkContext}
object CreateDataFrameDemo {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()
      .setMaster("local[*]")
      .setAppName("hive-join-mysql")
    // 使用kryo序列化机制
    conf.registerKryoClasses(Array(classOf[Row], classOf[Tuple3[Int, String, Double]]))
    val sc = SparkContext.getOrCreate(conf)

    val sqlContext = new SQLContext(sc)

    // ===================================
    // RDD中Row中的各个列的类型必须是一致的(不能有歧义)
    val rdd: RDD[Row] = sc.parallelize(Array(
      (1, "Tom", 1234.1),
      (2, "Lili", 12532.2),
      (3, "Gerry", 123.0)
    )).map {
      case (id, name, salary) => {
        Row(id, name, salary)
      }
    }
    val schema: StructType = StructType(Array(
      StructField("id", IntegerType),
      StructField("name", StringType),
      StructField("salary", DoubleType)
    ))

    val df = sqlContext.createDataFrame(rdd, schema)
    df.show()
  }
}

3.解释上面的程序

　　产生RDD有两种方式，读取数据源，或者序列化

　　这里使用序列化产生RDD。

　　-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

　　关于rdd中为什么要使用Row：

　　

　　------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

　　关于StructType：

　　

　　-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

　　关于StructField：

　　　　其中，后两个是默认参数，可以不给。