假如我们要通过RDD[Row]创建一个包含多个列的DataFrame，重点是列的数据类型可能会包含多个，这时候需要有一点技巧。

这个DataFrame里包含多个数据类型：

• uid: Long
• user_name: String
• age: Int
• income: Double

我们可以使用下面的方式来构建：

import org.apache.spark.sql.Row
import org.apache.spark.sql.types.{DoubleType, IntegerType, LongType, StringType, StructField, StructType}

val uidSeq = Seq(1111L)
val nameSeq = Seq("nituchao")
val ageSeq = Seq(21)
val incomeSeq = Seq(123.0)

val rowRDD = spark.sparkContext.parallelize(Seq(Row.fromSeq(uidSeq ++ userNameSeq ++ ageSeq ++ incomeSeq)))

val schema = StructType(Seq(StructField("uid", LongType, nullable = true),
      StructField("name", StringType, nullable = true),
      StructField("age", IntegerType, nullable = true),
      StructField("sex", DoubleType, nullable = true)))

val df = spark.sqlContext.createDataFrame(rowRDD, schema)

df.printSchema()
df.show()

输出：

root
 |-- uid: long (nullable = true)
 |-- name: string (nullable = true)
 |-- age: integer (nullable = true)
 |-- sex: double (nullable = true)

+----+---------+---+-----+
| uid|name     |age|  sex|
+----+---------+---+-----+
|1111| nituchao| 21|123.0|
+----+---------+---+-----+

上面的技巧在于，使用Row.fromSeq()时，不同类型的数据，要用Seq()分别包起来然后++拼接后传进去。因为Seq中的元素必须是同类型的，如直接构造成一个Seq则会自动进行类型转换，多种类型数据不能混用。

问题不大，却造成很大困扰。