如何从两个csv中读取值并在SparkJavaAPI中对其列执行b/w操作?

4si2a6ki  于 2021-06-02  发布在  Hadoop
关注(0)|答案(1)|浏览(329)

我在hadoop中有两个csv,比如csv1,csv2。两个csv都包含两列(timestamp和somevalue),比如csv1列是t1,v1,csv2列是t2,v2。我想为每个t1=t2计算v1*v2(对于相同的时间戳),并使用sparkjavaapi将结果存储为hdfs中的文本文件。
我是新来的,请有人帮帮我。
提前告诉他。

isr3a4wc

isr3a4wc1#

我可以在scala中完成,也许你可以了解我正在做的事情的要点并自己实现:

scala> val df1=sc.parallelize(Seq((1001,2),(1002,3),(1003,4))).toDF("t1","v1")
df1: org.apache.spark.sql.DataFrame = [t1: int, v1: int]

scala> val df2=sc.parallelize(Seq((1001,3),(1002,4),(1005,4))).toDF("t2","v2")
df2: org.apache.spark.sql.DataFrame = [t2: int, v2: int]

scala> df1.join(df2,df1("t1")===df2("t2"))
res1: org.apache.spark.sql.DataFrame = [t1: int, v1: int ... 2 more fields]

scala> res1.show
+----+---+----+---+                                                             
|  t1| v1|  t2| v2|
+----+---+----+---+
|1002|  3|1002|  4|
|1001|  2|1001|  3|
+----+---+----+---+

scala> import org.apache.spark.sql.functions._
import org.apache.spark.sql.functions._

scala> val result=res1.withColumn("foo",res1("v1") * res1("v2"))
result: org.apache.spark.sql.DataFrame = [t1: int, v1: int ... 3 more fields]

scala> result.show
+----+---+----+---+---+                                                         
|  t1| v1|  t2| v2|foo|
+----+---+----+---+---+
|1002|  3|1002|  4| 12|
|1001|  2|1001|  3|  6|
+----+---+----+---+---+

我希望这能解决你的问题。

相关问题