java spark 如何将一个具有3列的dataset<row>变量转化为JavaRDD<vector>

可以使用Spark中的map函数将每个Row对象转换为Vector对象，然后使用JavaRDD的方法将它们组合成一个JavaRDD<Vector>。以下是一个示例代码：

import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.ml.linalg.Vector;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;

public class DatasetToJavaRDDVectorConverter {

    public JavaRDD<Vector> convert(Dataset<Row> dataset) {
        JavaRDD<Row> rowRDD = dataset.toJavaRDD();
        JavaRDD<Vector> vectorRDD = rowRDD.map(new Function<Row, Vector>() {
            @Override
            public Vector call(Row row) throws Exception {
                double[] values = new double[3];
                values[0] = row.getDouble(0);
                values[1] = row.getDouble(1);
                values[2] = row.getDouble(2);
                return org.apache.spark.ml.linalg.Vectors.dense(values);
            }
        });
        return vectorRDD;
    }
}

这个类的convert方法接受一个Dataset<Row>参数，并返回一个JavaRDD<Vector>对象。它首先将Dataset<Row>转换为JavaRDD<Row>，然后使用map函数将每个Row对象转换为一个Vector对象。在这个例子中，我们假设每个Row对象都有三个Double类型的属性，因此我们将这些属性的值存储在一个double数组中，并使用Vectors.dense方法创建一个密集向量。最后，它将JavaRDD<Vector>返回给调用者。