ist die empfohlene Version für Spark 2.x Datensammlungen und Datenrahmen:
scala> val ds1 = spark.range(10)
ds1: org.apache.spark.sql.Dataset[Long] = [id: bigint]
scala> ds1.cache.count
res1: Long = 10
scala> val ds2 = spark.range(10)
ds2: org.apache.spark.sql.Dataset[Long] = [id: bigint]
scala> ds2.cache.count
res2: Long = 10
scala> val crossDS1DS2 = ds1.crossJoin(ds2)
crossDS1DS2: org.apache.spark.sql.DataFrame = [id: bigint, id: bigint]
scala> crossDS1DS2.count
res3: Long = 100
Alternativ ist es möglich, die traditionelle JOIN-Syntax zu verwenden, ohne Bedingung beizutreten. Verwenden Sie diese Konfigurationsoption, um den folgenden Fehler zu vermeiden.
spark.conf.set("spark.sql.crossJoin.enabled", true)
Fehler bei der Konfiguration weggelassen wird (mit der "Join" Syntax speziell):
scala> val crossDS1DS2 = ds1.join(ds2)
crossDS1DS2: org.apache.spark.sql.DataFrame = [id: bigint, id: bigint]
scala> crossDS1DS2.count
org.apache.spark.sql.AnalysisException: Detected cartesian product for INNER join between logical plans
...
Join condition is missing or trivial.
Use the CROSS JOIN syntax to allow cartesian products between these relations.;
Verwandte: spark.sql.crossJoin.enabled for Spark 2.x
Es ist noch nicht fertig, aber Spork (Schwein auf Funken) gebaut wird derzeit, so müssen Sie möglicherweise keinen Code ändern – aaronman