scala - Spark UDF 空处理

Question

我正在努力处理 UDF 中的空值，该 UDF 对由浮点结构组成的数据帧(源自配置单元表)进行操作:

数据帧(点)具有以下架构:

root
 |-- point: struct (nullable = true)
 |    |-- x: float (nullable = true)
 |    |-- y: float (nullable = true)

例如，我想计算x和y的和。请注意，在以下示例中我不会“处理”空值，但我希望能够检查我的 udf 是 point、x 还是 y 为 null。

第一种方法:

val sum = udf((x:Float,y:Float) => x+y)

points.withColumn("sum",sum($"point.x",$"point.y"))

如果struct点为null，则此方法不起作用，在这种情况下，永远不会评估udf(永远不会执行udf中的代码!)，结果一片空白。另外，我无法检查 x 或 y 是否为 null，因为 Floats 在 scala 中不能为 null。

第二种方法:

val sum = udf((pt:Row) => pt.getFloat(0)+pt.getFloat(1))
points.withColumn("sum",sum($"point"))

通过这种方法，我可以检查 udf 中的 pt 是否为 null，但我无法检查 x 和 y 因为Floats 不能为空。在这种情况下，我得到一个 NullPointerException。

如何编写一个 udf win 来检查结构以及 x 和 y 是否为空？

我使用的是 Spark 1.6.1

更新:与 this question 相比，我正在处理 float 而不是字符串(在 scala 中字符串可以为 null， float 则不能)

Answer 1

您可以使用Row.isNullAt(i)来检查第i字段是否为空。在您的情况下，您应该将 udf 写为，

sum = udf((point: Row) => point.match {
  case p if (p.isNullAt(0) && p.isNullAt(0)) => 0f
  case p if p.isNullAt(0) => p.getFloat(1)
  case p if p.isNullAt(1) => p.getFloat(0)
  case p => p.getFloat(0) + p.getFloat(1)
})