将结构传递给spark中的UDAF

Question

我有以下模式-

root
 |-- id:string (nullable = false)
 |-- age: long (nullable = true)
 |-- cars: struct (nullable = true)
 |    |-- car1: string (nullable = true)
 |    |-- car2: string (nullable = true)
 |    |-- car3: string (nullable = true)
 |-- name: string (nullable = true)

如何将'cars‘结构传递给udaf？如果我只想传递cars子结构，那么inputSchema应该是什么。

Answer 1

你可以，但UDAF的逻辑将是不同的。例如，如果您有两行：

val seq = Seq(cars(cars_schema("car1", "car2", "car3")), (cars(cars_schema("car1", "car2", "car3"))))

val rdd = spark.sparkContext.parallelize(seq)

这里的模式是

root
 |-- cars: struct (nullable = true)
 |    |-- car1: string (nullable = true)
 |    |-- car2: string (nullable = true)
 |    |-- car3: string (nullable = true)

然后，如果您尝试调用聚合：

val df = seq.toDF
df.agg(agg0(col("cars")))

您必须更改UDAF输入模式，如下所示：

val carsSchema =
    StructType(List(StructField("car1", StringType, true), StructField("car2", StringType, true), StructField("car3", StringType, true)))

在你的UDAF的男孩中，你必须处理这个模式，改变inputSchema：

override def inputSchema: StructType = StructType(StructField("input", carsSchema) :: Nil)

在update方法中，必须处理输入行的格式：

override def update(buffer: MutableAggregationBuffer, input: Row): Unit = {
  val i = input.getAs[Array[Array[String]]](0)
  // i here would be [car1,car2,car3],  an array of strings
  buffer(0) = ???
}

从这里开始，您可以转换i以更新缓冲区，并完成合并和求值功能。