在RDD中转换字符串集合

Question

我试图解析HL7值，因为我使用了几个jar文件，那些jar文件解析字符串中的HL7值，我执行了代码，它在scala中运行良好，但是现在我希望在scala中运行相同的东西，因为我在下面的代码中使用了示例，但是我得到了下面的错误。因此，为了解决这个问题，我想将org.apache.spark.rdd.RDD[String]转换为String。

代码：

 object ExampleUseTerser {
  def main(args: Array[String]): Unit = {
    val textfile = sc.textFile("/user/cloudera/xxxx/File")
    val context : HapiContext = new DefaultHapiContext();
    val p  = context.getGenericParser();
    val hapiMsg  = p.parse(textfile);
    val terser  = new Terser(hapiMsg);
    val secondAllergyType:String  = terser.get("/PID-7");
    println(secondAllergyType);

  } 
}

更新

样本：

PID|1|5897450M|58974650M|58977650M|CSTO^TES||19320722|F|||745 - 81 ST^^IAMI BEH^FL^341|||||||332165520
ORC||5033220|503320||||||20150202|||1689659096^HAM^MISH^^^^PI
OBR|1||64564|DF DEFAULT|||20150202|2015002||||||||16096^^^^^I|||||||||
HHH|1|NM|6690-2^^LN^0^^L||7|XE/UL|3.4-18||||F|||20150202| ^^L
HHH|9|NM|777-3^LOINC^LN^015172^PLATELETS^L||185|X10E3/UL|150-379||||F|||201202|TA   ^^L
HHH|10|NM|770-8^^LN^015107^^L||65|%|||||F|||20150202|TA   ^^L
HHH|11|NM|736-9^LOINC^LN^015123^^L||26|%|||||F|||20150202|TA   ^^L
HHH|12|NM|5905-5^LOINC^LN^015131^^L||8|%|||||F|||20150202|TA   ^^L
HHH|13|NM|713-8^LOINC^LN^015149^^L||1|%|||||F|||20150202|TA   ^^L

错误：

error: type mismatch;
 found   : org.apache.spark.rdd.RDD[String]
 required: String
           val hapiMsg  = p.parse(textfile);

Answer 1

当您使用一个RDD时，您需要记住，抽象是对一个值集合的抽象(实际上它稍微复杂一些，但现在让我们暂时保留它)，而不是一个值。

考虑到您的示例，我们需要映射集合中的所有元素，并尝试提取它们的PID。我们可以使用mapPartitions来完成这个任务，这样我们就不必为每个值分配一个新的HapiContext：

object ExampleUseTerser {
  def main(args: Array[String]): Unit = {
    val textfile = sc.textFile("/user/cloudera/xxxx/File")
    val parsedData = textfile.mapPartitions { it => 
      val context: HapiContext = new DefaultHapiContext()
      val parser = context.getGenericParser()

      it.map { file => 
        val hapiMsg = parser.parse(file)
        val terser = new Terser(hapiMsg)
        terser.get("/PID-7")
      }
    }
  } 
}

如果您正在测试此文件并希望查看已解析的文件，则可以使用RDD.collect作为I've mentioned in my previous answer (当然，在任何类型的生产环境中使用该文件时都不要这样做)。