建立 RDD（彈性分散式資料集）

從資料框：

mtrdd <- createDataFrame(sqlContext, mtcars)

來自 csv：

對於 csv，你需要在啟動 Spark 上下文之前將 csv 包新增到環境中：

Sys.setenv('SPARKR_SUBMIT_ARGS'='"--packages" "com.databricks:spark-csv_2.10:1.4.0" "sparkr-shell"') # context for csv import read csv -> 
sc <- sparkR.init()
sqlContext <- sparkRSQL.init(sc)

然後，你可以通過推斷列中資料的資料模式來載入 csv：

train <- read.df(sqlContext, "/train.csv", header= "true", source = "com.databricks.spark.csv", inferSchema = "true")

或者事先指定資料模式：

 customSchema <- structType(
    structField("margin", "integer"),
    structField("gross", "integer"),
    structField("name", "string"))

 train <- read.df(sqlContext, "/train.csv", header= "true", source = "com.databricks.spark.csv", schema = customSchema)