如何实现在Spark UDAF一个fastutils地图？

Question

我建立一个火花UDAF其中我存储在一个fastutils地图的中间数据。模式是这样的：

def bufferSchema = new StructType().add("my_map_col", MapType(StringType, IntegerType))

我初始化没有问题：

def initialize(buffer: MutableAggregationBuffer) = {
   buffer(0) = new Object2IntOpenHashMap[String]()
}

问题是当我尝试更新：

def update(buffer: MutableAggregationBuffer, input: Row) = { 
  val myMap = buffer.getAs[Object2IntOpenHashMap[String]](0)
  myMap.put(input.getAs[String](0), 1)
  buffer(0) = myMap
}

收到以下错误：

Caused by: java.lang.ClassCastException: scala.collection.immutable.Map$EmptyMap$ cannot be cast to it.unimi.dsi.fastutil.objects.Object2IntOpenHashMap

什么办法可以使这项工作？

Answer 1

什么办法可以使这项工作？

并不是的。这个

buffer.getAs[Object2IntOpenHashMap[String]](0)

相当于

buffer.get(0).asInstanceOf[Object2IntOpenHashMap[String]]]

和the external type for MapType is scala.collection.Map。

实际上它是一个死胡同反正 - UserDefinedAggregate功能make full copy of data on each call。你可能有一个Aggregator更好的运气（如链接的问题）。