首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何在具有数组列的DataFrame上提高Spark SQL查询性能?

如何在具有数组列的DataFrame上提高Spark SQL查询性能?
EN

Stack Overflow用户
提问于 2019-12-25 13:49:01
回答 1查看 146关注 0票数 1

假设我有两个数据帧df1df2,它们有许多数组类型的列。某些列可以具有null值。

代码语言:javascript
复制
df1.createOrReplaceTempView("temp1")
df2.createOrReplaceTempView("temp2")

我使用LATERAL VIEW EXPLODE来展平数组类型的列。下面是一个示例Spark SQL语句,我用它来查询数据帧。由于LATERAL VIEW EXPLODE的原因,此查询似乎存在性能问题。

代码语言:javascript
复制
SELECT tab1.id AS country, tab2.city_lve AS city FROM
(SELECT id, language_lve, population_lve FROM temp1
LATERAL VIEW EXPLODE(language) EXPLODED_NAMES AS language_lve
LATERAL VIEW EXPLODE(population) EXPLODED_NAMES AS population_lve
WHERE language_lve IS NOT NULL AND population_lve IS NOT NULL)
AS tab1
JOIN
(SELECT id, city_lve, link_lve FROM temp2
LATERAL VIEW EXPLODE(city) EXPLODED_NAMES AS city_lve
LATERAL VIEW EXPLODE(link) EXPLODED_NAMES AS link_lve
WHERE city_lve IS NOT NULL AND link_lve IS NOT NULL)
AS tab2 ON (tab2.link_lve = tab1.language_lve)

是否有有效的Spark SQL语句来查询数据帧?

EN

回答 1

Stack Overflow用户

发布于 2019-12-27 14:47:53

Explode将解决您的问题

下面是一个使用它的不同问题的示例

https://stackoverflow.com/a/44418598/1461187

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/59475572

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档