Как преобразовать DataFrame в Dataset в Apache Spark в Java?

Я могу преобразовать DataFrame в Dataset в Scala очень просто:

case class Person(name:String, age:Long)
val df = ctx.read.json("/tmp/persons.json")
val ds = df.as[Person]
ds.printSchema

но в версии Java я не знаю, как преобразовать Dataframe в Dataset? Любая идея?

Мое усилие:

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = new Encoder<>();
Dataset<Person> ds = new Dataset<Person>(ctx,df.logicalPlan(),encoder);
ds.printSchema();

но компилятор говорит:

Error:(23, 27) java: org.apache.spark.sql.Encoder is abstract; cannot be instantiated

Edited (раствор):

на основе ответов @Leet-Falcon:

DataFrame df = ctx.read().json(logFile);
Encoder<Person> encoder = Encoders.bean(Person.class);
Dataset<Person> ds = new Dataset<Person>(ctx, df.logicalPlan(), encoder);

Ответы

Ответ 1

Официальные документы Spark предлагают в API-интерфейсе Dataset следующее:

Кодеры Java задаются вызовом статических методов на Encoders.

List<String> data = Arrays.asList("abc", "abc", "xyz");
Dataset<String> ds = context.createDataset(data, Encoders.STRING());

Кодеры могут быть сгруппированы в кортежи:

Encoder<Tuple2<Integer, String>> encoder2 = Encoders.tuple(Encoders.INT(), Encoders.STRING());
List<Tuple2<Integer, String>> data2 = Arrays.asList(new scala.Tuple2(1, "a");
Dataset<Tuple2<Integer, String>> ds2 = context.createDataset(data2, encoder2);

Или построено из Java Beans с помощью Encoders # bean:

Encoders.bean(MyClass.class);

Ответ 2

Если вы хотите преобразовать общий DF в набор данных в Java, вы можете использовать класс RowEncoder, как показано ниже

DataFrame df = sql.read().json(sc.parallelize(ImmutableList.of(
            "{\"id\": 0, \"phoneNumber\": 109, \"zip\": \"94102\"}"
    )));

    Dataset<Row> dataset = df.as(RowEncoder$.MODULE$.apply(df.schema()));