How to write an Encoder for a collection in Spark 2.1?

Question

У меня есть это:

import spark.implicits._
import org.apache.spark.sql.catalyst.encoders.RowEncoder

val mydata: Dataset[Row] = spark.read.format("csv").option("header", true).option("inferSchema", true).load("mydata.csv")
// CSV header: Time,Area,City
// CSV values: "2016-01","A1","NY"
//             "2016-01","AB","HK" etc

// ...somewhere in my aggregate:
def bufferEncoder: Encoder[Array[(String, Row)]] = ....

For the inner tuple in the Array Я могу написать:

val rowEncoder = RowEncoder(mydata.schema)
Encoders.tuple(Encoders.STRING, rowEncoder)

but how can I write the Encoder для внешнего Array?

Answer 1

Вам нужно будет либо использовать RowEncoder для полной структуры:

val enc = RowEncoder(StructType(Seq(
    StructField("data", ArrayType(
        StructType(Seq(StructField("k", StringType), 
        StructField("v", df.schema))))))))

и преобразовать данные, чтобы отразить это:

Row(Seq(Row(string, Row(...), Row(sting, Row(...))))

или используйте статический кодировщик для всех полей.