Spark使用编码器创建数据集，其中row是数组类型

Question

我无法弄清楚编码器从RDD下面创建数据集的正确实现？

e.g。

JavaRDD<Integer[]>rdd= sparkContext.parallelize(
                Arrays.asList(new Integer[][]{new Integer[]{1,2},
                new Integer[]{3,4}
                ,new Integer[]{6,7}}));

以下实施失败 -

DataSet<Integer> ds = sqlContext.createDataset(rdd.rdd(),Encoders.bean(Integer[].class));

  

线程中的异常＆＃34; main＆＃34; java.lang.AssertionError：断言失败     在scala.Predef $ .assert（Predef.scala：165）at   org.apache.spark.sql.catalyst.encoders.ExpressionEncoder $ .javaBean（ExpressionEncoder.scala：90）     在org.apache.spark.sql.Encoders $ .bean（Encoders.scala：142）at at   org.apache.spark.sql.Encoders.bean（Encoders.scala）

如何为数组类型创建编码？谢谢！

Answer 1

请尝试先将其转换为DataFrame，然后再转换为Dataset

Dataset<Integer[]> dataFrame = sqlContext.createDataFrame(rdd, Integer[].class);
Dataset<Integer[]> ds = dataFrame.as(Encoders.bean(Integer[].class));