如何在Spark窗口函数中使用降序的orderby（）？

Question

我需要一个窗口函数，它按一些键（=列名称）进行分区，按另一个列名称进行排序，并返回前x行的行。

这适用于升序：

def getTopX(df: DataFrame, top_x: String, top_key: String, top_value:String): DataFrame ={
    val top_keys: List[String] = top_key.split(", ").map(_.trim).toList
    val w = Window.partitionBy(top_keys(1),top_keys.drop(1):_*)
       .orderBy(top_value)
    val rankCondition = "rn < "+top_x.toString
    val dfTop = df.withColumn("rn",row_number().over(w))
      .where(rankCondition).drop("rn")
  return dfTop
}

但是当我尝试在第4行将其更改为orderBy(desc(top_value))或orderBy(top_value.desc)时，我收到语法错误。这里的语法是什么？

Answer 1

orderBy有两个版本，一个用于字符串，另一个用于Column对象（API）。您的代码使用的是第一个版本，该版本不允许更改排序顺序。您需要切换到列版本，然后调用desc方法，例如myCol.desc。

现在，我们进入API设计领域。传递Column参数的优点是你有更多的灵活性，例如，你可以使用表达式等。如果你想维护一个接受字符串而不是Column的API，你需要将字符串转换为柱。有很多方法可以做到这一点，最简单的方法是使用org.apache.spark.sql.functions.col(myColName)。

总而言之，我们得到了

.orderBy(org.apache.spark.sql.functions.col(top_value).desc)

Answer 2

例如，如果我们需要在Window函数中按降序排列名为Date的列，请在列名前使用$符号，这样我们就可以使用asc或desc语法。

Window.orderBy($"Date".desc)

在用双引号指定列名后，给出.desc，它将按降序排序。