Spark 结构化流/Spark SQL 中的条件爆炸
Posted
技术标签:
【中文标题】Spark 结构化流/Spark SQL 中的条件爆炸【英文标题】：Conditional Explode in Spark Structured Streaming / Spark SQL 【发布时间】：2018-06-13 00:04:06 【问题描述】：我正在尝试在 Spark Structured Streaming 中进行条件爆炸。
例如，我的流数据帧如下所示（完全在此处制作数据）。我想在contingent = 1 时将员工数组分解为单独的数组行。 contingent = 0时，需要让数组保持原样。
|----------------|---------------------|------------------|
| Dept ID | Employees | Contingent |
|----------------|---------------------|------------------|
| 1 | ["John", "Jane"] | 1 |
|----------------|---------------------|------------------|
| 4 | ["Amy", "James"] | 0 |
|----------------|---------------------|------------------|
| 2 | ["David"] | 1 |
|----------------|---------------------|------------------|
所以，我的输出应该是这样的（我不需要显示contingent 列：
|----------------|---------------------|
| Dept ID | Employees |
|----------------|---------------------|
| 1 | ["John"] |
|----------------|---------------------|
| 1 | ["Jane"] |
|----------------|---------------------|
| 4 | ["Amy", "James"] |
|----------------|---------------------|
| 2 | ["David"] |
|----------------|---------------------|
我目前面临几个挑战：
-
有条件地分解数组
将数组分解为数组（在这种情况下不是字符串）
在 Hive 中，有一个 UDTF（用户定义的表函数）的概念可以让我这样做。想知道有没有什么可以与之媲美的？
【问题讨论】：
【参考方案1】：使用flatMap 展开并指定您想要的任何条件。
case class Department (Dept_ID: String, Employees: Array[String], Contingent: Int)
case class DepartmentExp (Dept_ID: String, Employees: Array[String])
val ds = df.as[Department]
ds.flatMap(dept =>
if (dept.Contingent == 1)
dept.Employees.map(emp => DepartmentExp(dept.Dept_ID, Array(emp)))
else
Array(DepartmentExp(dept.Dept_ID, dept.Employees))
).as[DepartmentExp]
【讨论】：
以上是关于Spark 结构化流/Spark SQL 中的条件爆炸的主要内容，如果未能解决你的问题，请参考以下文章