Spark导入sqlContext.implicits._

Question

我有一个创建火花上下文的main：

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

然后创建dataframe，并对dataframe进行筛选和验证。

    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"))

这个很好用。

但是，当我尝试将我的验证转移到另一个文件时，我会将数据发送到

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

这将获得Dataframe &验证和转换吗:似乎我需要

 import sqlContext.implicits._

为了避免错误：“value$不是StringContext的成员”，它发生在网上：.withColumn("time"，StringContext)

但是要使用import sqlContext.implicits._，我还需要在新文件中定义的sqlContext，如下所示：

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

或将其发送到

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

我觉得我试图对两个文件进行的分离(主验证)没有正确地完成.

知道怎么设计这个吗？还是简单地将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中查看这个示例

/** 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._