scala - 将 spark 数据帧动态转换为元组数据集(字符串，_< :Product)

Question

我在使用 spark 时遇到了一个特殊的问题，我不太确定发生了什么，如果有人可以提供帮助，那就太好了。我的问题是有一个类似于下面的功能，即将数据帧转换为某种类型的数据集，这是在运行时决定的。我需要使用数据集，因为底层案例类有一些我想使用的注释。

 def ret(spark: SparkSession, dss: DataFrame, typ: String): Dataset[_ <: Product] = {
    import spark.implicits._
    typ match {
      case "t1" => dss.as[T1]
      case "t2" => dss.as[T2]
    }

  }

我可以使用以下函数调用 val ds = ret(spark,dataframe,"t1") 将数据帧转换为数据集

这个函数一切正常，现在我想扩展现有函数以返回 Dataset[(String,_<:Product)]所以我像这样修改我的功能，

 def ret(spark: SparkSession, dss: DataFrame,typ: String):Dataset[(String,_ <: Product)] = {
    import spark.implicits._
    typ match {
      case "t1" => dss.as[(String,T1)]
      case "t2" => dss.as[(String,T2)]
    }
  }

这给了我一个编译错误说，输入 (String,T1) , 与预期类型不匹配 (String,_<:Product) .这里实际发生了什么？有什么想法可以解决这个问题吗？任何提示将不胜感激!

非常感谢!!

更新:上限 <: Product 指的是 scala.Product 并且 T1,T2 可以是任何案例类，例如，

case class T1(name: String, age: Int)

case class T2(name: String, max: Int, min: Int)

但它可以是任何东西

Answer 1

Dataset[(String, T1)] 的常见父类(super class)型和 Dataset[(String, T2)]不是 Dataset[(String,_ <: Product)]但更复杂的existential type

Dataset[(String, T)] forSome { type T <: Product }

Dataset[(String,_ <: Product)]也确实是一种存在类型，但另一种类型；这是一个简写

Dataset[(String, T) forSome { type T <: Product }]

注意使用 Dataset[(String, T)] forSome { type T <: Product }没有警告，您需要添加 import scala.language.existentials (并且这些类型将是 removed in Scala 3 )。

编辑:我认为我检查的内容就足够了，但显然类型推断在这里失败了，我真的不明白为什么。

def ret(spark: SparkSession, dss: DataFrame, typ: String): Dataset[(String, T)] forSome { type T <: Product } = {
  import spark.implicits._
  typ match {
    case "t1" => dss.as[(String,T1)]: (Dataset[(String, T)] forSome { type T <: Product })
    case "t2" => dss.as[(String,T2)]: (Dataset[(String, T)] forSome { type T <: Product })
  }
}

确实按预期编译。您可以提取类型别名以避免重复:

type DatasetStringT = Dataset[(String, T)] forSome { type T <: Product }

def ret(spark: SparkSession, dss: DataFrame, typ: String): DatasetStringT = {
  import spark.implicits._
  typ match {
    case "t1" => dss.as[(String,T1)]: DatasetStringT 
    case "t2" => dss.as[(String,T2)]: DatasetStringT 
  }
}