总结下Spark中将RDD转换成DataFrame的两种方法, 代码如下：
方法一： 使用
createDataFrame方法
```java
//StructType and convert RDD to DataFrameval schema = StructType(
Seq(
StructField("name",StringType,true)
,StructField("age",IntegerType,true)
)
)val rowRDD = sparkSession.sparkContext
}
.textFile("/tmp/people.txt",2)
.map( x => x.split(",")).map( x => Row(x(0),x(1).trim().toInt))
sparkSession.createDataFrame(rowRDD,schema)
}
```方法二： 使用
toDF方法
```java
//use case class Person
case class Person(name:String,age:Int)//导入隐饰操作，否则RDD无法调用toDF方法
import sparkSession.implicits._
val peopleRDD = sparkSession.sparkContext
.textFile("/tmp/people.txt",2)
.map( x => x.split(",")).map( x => Person(x(0),x(1).trim().toInt)).toDF()``
><font color=red><B>注意</b> ><font color=darkblue>请不要将case Class`定义在main 方法中与toDF一起使用，或与使用toDF定义在同一函数中
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
