java spark如何读取excel数据？

Java Spark可以通过以下几种方式读取Excel数据：

1. 使用Apache POI库读取Excel数据，然后将数据转换为Spark DataFrame。

2. 使用Excel DataSource API，这是一个基于Spark SQL的插件，可以直接从Excel中加载数据并生成Spark DataFrame。

3. 使用第三方库，例如DataBricks的excelent或者CData的Excel JDBC驱动程序。

下面是使用Apache POI库读取Excel数据的示例代码：

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;
import org.apache.spark.sql.types.DataTypes;
import org.apache.spark.sql.types.StructField;
import org.apache.spark.sql.types.StructType;
import org.apache.spark.sql.functions.*;

import java.util.ArrayList;
import java.util.List;

import org.apache.poi.ss.usermodel.*;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;

public class ExcelReader {

    public static void main(String[] args) {
        SparkSession spark = SparkSession.builder()
                .appName("Excel Reader")
                .master("local[*]")
                .getOrCreate();

        String filePath = "path/to/excel/file.xlsx";
        String sheetName = "Sheet1";

        // Read Excel file into a Workbook object
        Workbook workbook = null;
        try {
            workbook = new XSSFWorkbook(filePath);
        } catch (Exception e) {
            e.printStackTrace();
        }

        // Get the sheet from the workbook
        Sheet sheet = workbook.getSheet(sheetName);

        // Get the header row
        Row headerRow = sheet.getRow(0);

        // Create a list of StructField objects to define the schema
        List<StructField> fields = new ArrayList<>();
        for (Cell cell : headerRow) {
            String columnName = cell.getStringCellValue();
            StructField field = DataTypes.createStructField(columnName, DataTypes.StringType, true);
            fields.add(field);
        }

        // Create the schema
        StructType schema = DataTypes.createStructType(fields);

        // Read the data rows and convert them to Spark Rows
        List<Row> rows = new ArrayList<>();
        for (int i = 1; i <= sheet.getLastRowNum(); i++) {
            Row row = sheet.getRow(i);
            List<String> rowValues = new ArrayList<>();
            for (Cell cell : row) {
                rowValues.add(cell.getStringCellValue());
            }
            Row sparkRow = RowFactory.create(rowValues.toArray());
            rows.add(sparkRow);
        }

        // Create the DataFrame
        Dataset<Row> df = spark.createDataFrame(rows, schema);

        // Show the DataFrame
        df.show();

        // Close the workbook
        try {
            workbook.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

注意：这段代码仅适用于读取XLSX格式的Excel文件，如果要读取XLS格式的文件，需要使用HSSF而不是XSSF。