software - Importación de spark.implicits._ en scala

spark scala tutorial

Question

Estoy intentando importar spark.implicits._ Aparentemente, este es un objeto dentro de una clase en scala. cuando lo importo en un método como ese:

def f() = {
  val spark = SparkSession()....
  import spark.implicits._
}

Funciona bien, sin embargo, estoy escribiendo una clase de prueba y quiero que esta importación esté disponible para todas las pruebas que he probado:

class SomeSpec extends FlatSpec with BeforeAndAfter {
  var spark:SparkSession = _

  //This won''t compile
  import spark.implicits._

  before {
    spark = SparkSession()....
    //This won''t either
    import spark.implicits._
  }

  "a test" should "run" in {
    //Even this won''t compile (although it already looks bad here)
    import spark.implicits._

    //This was the only way i could make it work
    val spark = this.spark
    import spark.implicits._
  }
}

No solo se ve mal, no quiero hacerlo en cada prueba. ¿Cuál es la forma "correcta" de hacerlo?

Answer 1

Creo que el código de GitHub en el archivo SparkSession.scala puede darte una buena pista:

      /**
       * :: Experimental ::
       * (Scala-specific) Implicit methods available in Scala for converting
       * common Scala objects into [[DataFrame]]s.
       *
       * {{{
       *   val sparkSession = SparkSession.builder.getOrCreate()
       *   import sparkSession.implicits._
       * }}}
       *
       * @since 2.0.0
       */
      @Experimental
      object implicits extends SQLImplicits with Serializable {
        protected override def _sqlContext: SQLContext = SparkSession.this.sqlContext
      }

aquí "spark" en "spark.implicits._" es solo el objeto sparkSession que creamos.

Here hay otra referencia!

Answer 2

Puede hacer algo similar a lo que se hace en las suites de pruebas Spark. Por ejemplo, esto funcionaría (inspirado en SQLTestData ):

class SomeSpec extends FlatSpec with BeforeAndAfter { self =>

  var spark: SparkSession = _

  private object testImplicits extends SQLImplicits {
    protected override def _sqlContext: SQLContext = self.spark.sqlContext
  }
  import testImplicits._

  before {
    spark = SparkSession.builder().master("local").getOrCreate()
  }

  "a test" should "run" in {
    // implicits are working
    val df = spark.sparkContext.parallelize(List(1,2,3)).toDF()
  }
}

Alternativamente, puede usar algo como SharedSQLContext directamente, que proporciona un testImplicits: SQLImplicits , es decir:

class SomeSpec extends FlatSpec with SharedSQLContext {
  import testImplicits._

  // ...

}

Answer 3

Simplemente instalé SparkSession y antes de usar, "import implicits".

    @transient lazy val spark = SparkSession
    .builder()
    .master("spark://master:7777")
    .getOrCreate()

    import spark.implicits._