从行中读取列时出现NullPointerException

Question

用于从行读取值的以下Scala（Spark 1.6）代码在值为null时失败并带有NullPointerException。

val test = row.getAs[Int]("ColumnName").toString

虽然这很好

val test1 = row.getAs[Int]("ColumnName") // returns 0 for null
val test2 = test1.toString // converts to String fine

是什么导致NullPointerException以及处理此类案件的推荐方法是什么？

PS：从DataFrame获取行如下：

val myRDD = myDF.repartition(partitions)
  .mapPartitions{ rows => 
    rows.flatMap{ row =>
      functionWithRows(row) //has above logic to read null column which fails
    }
  }

functionWithRows然后上面提到NullPointerException。

MyDF架构：

root
 |-- LDID: string (nullable = true)
 |-- KTAG: string (nullable = true)
 |-- ColumnName: integer (nullable = true)

Answer 1

getAs定义为：

def getAs[T](i: Int): T = get(i).asInstanceOf[T]

当我们执行toString时，我们调用不依赖于类型的Object.toString，因此编译器会删除asInstanceOf[T]，即

row.getAs[Int](0).toString -> row.get(0).toString

我们可以通过编写一个简单的scala代码来确认：

import org.apache.spark.sql._

object Test {
  val row = Row(null)
  row.getAs[Int](0).toString
}

然后编译它：

$ scalac -classpath $SPARK_HOME/jars/'*' -print test.scala
[[syntax trees at end of                   cleanup]] // test.scala
package <empty> {
  object Test extends Object {
    private[this] val row: org.apache.spark.sql.Row = _;
    <stable> <accessor> def row(): org.apache.spark.sql.Row = Test.this.row;
    def <init>(): Test.type = {
      Test.super.<init>();
      Test.this.row = org.apache.spark.sql.Row.apply(scala.this.Predef.genericWrapArray(Array[Object]{null}));
      Test.this.row().getAs(0).toString();
      ()
    }
  }
}

所以正确的方法是：

String.valueOf(row.getAs[Int](0))

Answer 2

为了避免空值，更好的做法是在检查之前使用isNullAt，正如documentation建议的那样：

脆

<T> T getAs(int i)

返回位置i的值。对于原始类型，如果value为null，则返回特定于原语的“零值”，即。 0为Int - 使用isNullAt确保该值不为null

但我同意这种行为令人困惑。