通过createDataset创建Dataset数据集(Array,RDD,List)

1. 说明

• 定义：

底层用到了函数的柯里化，需要传递两个值。
第二个值是一个隐式参数，需要定义一个隐式变量给隐式参数传递值。
隐式变量不需要我们定义 在SparkSession中全部给我们定义好了。
隐式变量是一个编码器Encoder变量
我们只需要导入即可
import session.implicits._

• 与dataframe的不同：
  Dataset中列名是和传入的集合、RDD的类型是有关系的，
  如果类型就是普通集合类型或者元组类型或者是普通类型 那列名随机生成。
  如果类型是Bean，那么列名就是Bean的属性名，无需指定。而dataframe需要指定。

2. 通过集合创建

• 定义：createDataset(Seq[T])

package SparkSQL.DataSet
 
import org.apache.spark.SparkConf
import org.apache.spark.sql.{DataFrame, Dataset, SparkSession}
 
object CreateDatasetByCreateDataset {
  def main(args: Array[String]): Unit = {
    val sparkConf = new SparkConf().setAppName("demo01").setMaster("local[*]")
    val session = SparkSession.builder().config(sparkConf).getOrCreate()
 
    // createDataset需要一个隐式变量值 Encoder[Teacher]，所以需要导入隐式函数
    import session.implicits._
    val dataset: Dataset[(String, Int)] = session.createDataset(Array(("zs", 20), ("ls", 21)))
    dataset.show()
  }
}

3. 通过rdd创建

• 定义：createDataset(RDD[T])

import session.implicits._
val rdd: RDD[(String, Int)] = session.sparkContext.makeRDD(Array(("zs", 20), ("ls", 21)))
val dataset1 = session.createDataset(rdd)
dataset1.show()

4. 通过list创建

• 定义：createDataset(util.List[T])

import session.implicits._
val dataset2: Dataset[(String, Int)] = session.createDataset(List(("zs", 20), ("ls", 22)))
dataset2.show()