首页
学习
活动
专区
工具
TVP
发布
社区首页 >问答首页 >使用Spark数据帧进行单元测试

使用Spark数据帧进行单元测试
EN

Stack Overflow用户
提问于 2016-03-17 20:24:21
回答 3查看 19.2K关注 0票数 9

我正在尝试测试我的程序中对数据帧执行转换的部分,我想测试这些数据帧的几种不同变体,这些变体排除了从文件中读取特定DF的选项

所以我的问题是:

  1. 是否有关于如何使用Spark和dataframe执行单元测试的好教程,特别是关于创建dataframe的教程?
  2. 如何创建这些不同的几行数据帧,而不使用很多样板,并且不从文件中读取这些数据帧?
  3. 是否有任何实用程序类用于检查dataframe中的特定值?

显然,我之前在谷歌上搜索过,但找不到任何非常有用的东西。在我找到的更有用的链接中有:

如果示例/教程是用Scala编写的,那就太好了,但我将采用您所使用的任何语言

提前感谢

EN

回答 3

Stack Overflow用户

回答已采纳

发布于 2016-03-17 21:07:29

这个link展示了如何以编程方式创建一个带模式的数据框架。您可以将数据保存在单独的特征中,并将其与您的测试混合。例如,

代码语言:javascript
复制
// This example assumes CSV data. But same approach should work for other formats as well.

trait TestData {
  val data1 = List(
    "this,is,valid,data",
    "this,is,in-valid,data",
  )
  val data2 = ...  
}

然后使用ScalaTest,我们可以做这样的事情。

代码语言:javascript
复制
class MyDFTest extends FlatSpec with Matchers {

  "method" should "perform this" in new TestData {
     // You can access your test data here. Use it to create the DataFrame.
     // Your test here.
  }
}

要创建DataFrame,您可以使用几个如下所示的工具方法。

代码语言:javascript
复制
  def schema(types: Array[String], cols: Array[String]) = {
    val datatypes = types.map {
      case "String" => StringType
      case "Long" => LongType
      case "Double" => DoubleType
      // Add more types here based on your data.
      case _ => StringType
    }
    StructType(cols.indices.map(x => StructField(cols(x), datatypes(x))).toArray)
  }

  def df(data: List[String], types: Array[String], cols: Array[String]) = {
    val rdd = sc.parallelize(data)
    val parser = new CSVParser(',')
    val split = rdd.map(line => parser.parseLine(line))
    val rdd = split.map(arr => Row(arr(0), arr(1), arr(2), arr(3)))
    sqlContext.createDataFrame(rdd, schema(types, cols))
  }

我不知道有什么实用程序类用于检查DataFrame中的特定值。但我认为使用DataFrame API编写一个应用程序应该很简单。

票数 8
EN

Stack Overflow用户

发布于 2017-11-24 03:33:53

对于那些希望在Java语言中实现类似功能的人,可以通过使用以下项目在单元测试中初始化SparkContext来开始使用:https://github.com/holdenk/spark-testing-base

我个人不得不模仿一些AVRO文件的文件结构。因此,我使用Avro-tools (https://avro.apache.org/docs/1.8.2/gettingstartedjava.html#download_install)通过以下命令从我的二进制记录中提取模式:

代码语言:javascript
复制
java -jar $AVRO_HOME/avro tojson largeAvroFile.avro | head -3

然后,使用这个小帮助器方法,您可以将输出JSON转换为在单元测试中使用的DataFrame。

代码语言:javascript
复制
private DataFrame getDataFrameFromList() {
    SQLContext sqlContext = new SQLContext(jsc());
    ImmutableList<String> elements = ImmutableList.of(
        {"header":{"appId":"myAppId1","clientIp":"10.22.63.3","createdDate":"2017-05-10T02:09:59.984Z"}}
        {"header":{"appId":"myAppId1","clientIp":"11.22.63.3","createdDate":"2017-05-11T02:09:59.984Z"}}
        {"header":{"appId":"myAppId1","clientIp":"12.22.63.3","createdDate":"2017-05-11T02:09:59.984Z"}}
    );
    JavaRDD<String> parallelize = jsc().parallelize(elements);
    return sqlContext.read().json(parallelize);
}
票数 0
EN

Stack Overflow用户

发布于 2018-05-29 17:52:14

您可以使用Spark用于自己的单元测试的SharedSQLContextSharedSparkSession。有关示例,请查看我的answer

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/36060502

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档