如何在循环中生成Spark数据集聚合长专家？

Question

我正在使用Java Spark来启动数据集。

我需要通过许多expers聚合数据集，因此代码很长而且很难看。 expers有一些常见的逻辑，我可以用循环生成expers吗？这是代码示例，真实代码有数百行重复代码：

Dataset<Row> res = ds.groupBy(ds.col("uid")).agg(functions.max(ds.col("create_time")).as("create_time"),functions.sum(functions.when(ds.col("date_diff").$less$eq(30).and(ds.col("call_type").isin(callTypeOut)),
                    ds.col("duration"))).as("caller_call_time_1"),
                          functions.sum(functions.when(ds.col("date_diff").$less$eq(60)
                            .and(ds.col("call_type").isin(callTypeOut)),
                    ds.col("duration"))).as("caller_call_time_2"),
            functions.sum(functions.when(ds.col("date_diff").$less$eq(90)
                            .and(ds.col("call_type").isin(callTypeOut)),
                    ds.col("duration"))).as("caller_call_time_3"),
            functions.sum(functions.when(ds.col("date_diff").$less$eq(120)
                            .and(ds.col("call_type").isin(callTypeOut)),
                    ds.col("duration"))).as("caller_call_time_4"),
            functions.sum(functions.when(ds.col("date_diff").$less$eq(150)
                            .and(ds.col("call_type").isin(callTypeOut)),
                    ds.col("duration"))).as("caller_call_time_5"),
            functions.sum(functions.when(ds.col("date_diff").$less$eq(180)
                            .and(ds.col("call_type").isin(callTypeOut)),
                    ds.col("duration"))).as("caller_call_time_6"))

我得到了这样的解决方案：

List<Column> exprs = new ArrayList<>();
for (int i = 1; i < 7; i ++ ) {
    exprs.add(functions.sum(functions.when(ds.col("date_diff").$less$eq(30*i)
                        .and(ds.col("call_type").isin(callTypeOut)),
                ds.col("duration"))).as("caller_call_time_"+Integer.toString(i));

}
Dataset<Row> res = ds.groupBy(ds.col("uid")).agg(functions.max(ds.col("create_time")).as("create_time"),
exprs.toArray(new Column[exprs.size()]));

Answer 1

你可以：

1. 创建您的数据框（数据集是一个数据框，与其他任何数据集相对），之前包含所有其他列，然后对新创建的列执行聚合。您可以在循环中创建列。
2. 构建一个UDAF（用户定义的聚合函数），用Java处理您的自定义代码。

希望能帮助到你...