我有以下的模式 -
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)
我怎样才能通过结构“车”到UDAF?应该是什么inputSchema,如果我只是想通过汽车子结构。
你可以,但UDAF的逻辑是不同的。举例来说,如果你有两行:
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)
那么,如果你尝试调用聚集:
val df = seq.toDF
df.agg(agg0(col("cars")))
你必须改变你的UDAFs输入模式,如:
val carsSchema =
StructType(List(StructField("car1", StringType, true), StructField("car2", StringType, true), StructField("car3", StringType, true)))
并在UDAF的男孩,你必须处理这种模式变更的inputSchema:
override def inputSchema: StructType = StructType(StructField("input", carsSchema) :: Nil)
在您的更新方法,你必须面对你的输入行的格式:
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) = ???
}
从一个在这里,你可以将我更新您的缓冲区,并完成合并,并评估功能。