Spark Sql udf，参数数量可变

Posted 2023-04-13

【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"), ...)))

【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