У меня есть файл последовательности, значения которого выглядят как
(string_value, json_value)
Меня не волнует строковое значение.
В Scala я могу прочитать файл
val reader = sc.sequenceFile[String, String]("/path...")
val data = reader.map{case (x, y) => (y.toString)}
val jsondata = spark.read.json(data)
Мне трудно преобразовать это в PySpark. я пытался использовать
reader= sc.sequenceFile("/path","org.apache.hadoop.io.Text", "org.apache.hadoop.io.Text")
data = reader.map(lambda x,y: str(y))
jsondata = spark.read.json(data)
Ошибки загадочны, но я могу предоставить их, если это поможет. Мой вопрос: каков правильный синтаксис для чтения этих файлов последовательности в pySpark2?
Я думаю, что неправильно преобразовываю элементы массива в строки. Я получаю аналогичные ошибки, если делаю что-то простое, например
m = sc.parallelize([(1, 2), (3, 4)])
m.map(lambda x,y: y.toString).collect()
or
m = sc.parallelize([(1, 2), (3, 4)])
m.map(lambda x,y: str(y)).collect()
Спасибо!