0
私は、Jaro winklerやCosine Similarityのような文字列の類似度計算を行うためにデータセットをトラバースしようとしています。私は自分のデータセットを行のリストに変換し、それを効率的に実行する方法ではないfor文をトラバースします。ですから、私はSparkのよりよいアプローチを楽しみにしています。Spark Javaでデータセットをトラバース/反復する方法は?
public class sample {
public static void main(String[] args) {
JavaSparkContext sc = new JavaSparkContext(new SparkConf().setAppName("Example").setMaster("local[*]"));
SQLContext sqlContext = new SQLContext(sc);
SparkSession spark = SparkSession.builder().appName("JavaTokenizerExample").getOrCreate();
List<Row> data = Arrays.asList(RowFactory.create("Mysore","Mysuru"),
RowFactory.create("Name","FirstName"));
StructType schema = new StructType(
new StructField[] { new StructField("Word1", DataTypes.StringType, true, Metadata.empty()),
new StructField("Word2", DataTypes.StringType, true, Metadata.empty()) });
Dataset<Row> oldDF = spark.createDataFrame(data, schema);
oldDF.show();
List<Row> rowslist = oldDF.collectAsList();
}
}
多くのJavaRDDの例がわかりません。データセットの例は私を大いに助けます。
「foreach」と記載されているドキュメントのセクションがありますか? https://spark.apache.org/docs/latest/programming-guide.html#actionsまたはJavaDocを読むのに気をつけますか? https://spark.apache.org/docs/latest/api/java/index.html –