我们可以在 Spark 中编写配置单元查询吗？UDF

Posted 2023-04-13

【中文标题】我们可以在 Spark 中编写配置单元查询吗？UDF

【英文标题】：Can we write a hive query in Spark - UDF

【发布时间】：2017-11-09 14:47:21

【问题描述】：

我们可以在 Spark - UDF 中编写一个配置单元查询吗？ 例如，我有 2 张桌子： Table A and B

其中 b1 包含 A 的列名，b2 包含 A 中该列的值。 现在我想以这样的方式查询表，得到如下结果： Result.

基本上根据列名及其对应值将A中列的值替换为B。 为了实现这一点，我编写了 spark-UDF eg:convert 如下

def convert(colname: String, colvalue:String)=

sqlContext.sql("SELECT b3 from B where b1 = colname and b2 = colvalue").toString; 我注册为：

sqlContext.udf.register("conv",convert(_:String,_:String));

现在我的主要查询是 -

val result = sqlContext.sql("select a1 , conv('a2',a2), conv('a3',a3)");

结果.take(2);

它给了我 java.lang.NullPointerException。

有人可以建议 spark/hive 是否支持此功能。 也欢迎任何其他方法。 谢谢！

【问题讨论】：

你不能在 UDF 中使用 sqlContext

感谢您的意见。

【参考方案1】：

不，UDF 不允许在里面写查询。 您只能将数据作为变量传递并进行转换以在行/列/表级别返回最终结果。

【参考方案2】：

这是您问题的解决方案。您可以在 Hive 本身中执行此操作。

WITH a_plus_col
AS (SELECT a1
        ,'a2' AS col_name
        ,a2 AS col_value
    FROM A
    UNION ALL
    SELECT a1
        ,'a3' AS col_name
        ,a3 AS col_value
    FROM A)
SELECT a_plus_col.a1 AS r1
    ,MAX(CASE WHEN a_plus_col.col_name = 'a2' THEN B.b3 END) AS r2
    ,MAX(CASE WHEN a_plus_col.col_name = 'a3' THEN B.b3 END) AS r3
FROM a_plus_col
INNER JOIN B ON ( a_plus_col.col_name = b1 AND a_plus_col.col_value = b2)
GROUP BY a_plus_col.a1;