Spark Sql udf,参数数量可变

Posted

技术标签:

【中文标题】Spark Sql udf,参数数量可变【英文标题】:Spark Sql udf with variable number of parameters 【发布时间】:2015-08-26 09:13:13 【问题描述】:

我想要一个用于 Spark Sql 的 concat 函数。 我写了一个udf为

sqlContext.udf.register("CONCAT",(args:String*)=>
 String out=""
 for(arg<-args)
  
    out+=arg
  
 out
)

sqlContext.sql("select col1,col2,CONCAT(col1,col2) from testtable")

但是这个 udf 不起作用,我遇到了一个异常。 如果我尝试使用固定数量的参数,那么它可以工作。 我正在使用 spark 1.3.1 和 scala 2.10.5。

有没有人遇到过这个问题或知道解决方案?

【问题讨论】:

能否提供问题中的例外情况? 【参考方案1】:

您可以使用struct 函数执行此操作,如下所示:

val myUDF = udf 
  (r: Row) => r.toSeq.map(...) // the "r" row contains your arguments

val df = ....
df.select(col("col1"), myUDF(struct(col("col2"), col("col3"), col("col4"), ...)))

【讨论】:

【参考方案2】:

如果您只想使用原始 SQL 连接列,则根本不需要自定义 UDF。 CONCAT 函数已经存在:

val df = sc.parallelize(List(("a", "b", "c"))).toDF("x", "y", "z")
df.registerTempTable("df")
sqlContext.sql("SELECT CONCAT(x, y, z) AS xyz FROM df").show

// +---+
// |xyz|
// +---+
// |abc|
// +---+

从 1.5.0 开始你可以直接使用concat / concat_ws 函数:

import org.apache.spark.sql.functions.concat, concat_ws

df.select(concat_ws("-", $"x", $"y", $"z").alias("x-y-z")).show
// +-----+
// |x-y-z|
// +-----+
// |a-b-c|
// +-----+

df.select(concat($"x", $"y", $"z").alias("xyz")).show

// +---+
// |xyz|
// +---+
// |abc|
// +---+

另见Spark UDF with varargs

【讨论】:

以上是关于Spark Sql udf,参数数量可变的主要内容,如果未能解决你的问题,请参考以下文章

Spark UDF 函数怎么实现参数数量变化?

UDF:处理范围和可变数量的参数

Spark SQL UDF 使用 df.WithColumn() 返回 scala 不可变映射

创建具有可变数量参数的 CLR UDF

pyspark udf 的可变参数数量

具有可变数量的参数SQL的多次插入