scala - 过滤字符串上的 Spark DataFrame 包含

Question

我正在使用Spark 1.3.0和 Spark Avro 1.0.0 。 我的工作地点是 the example on the repository page 。下面的代码运行良好

val df = sqlContext.read.avro("src/test/resources/episodes.avro")
df.filter("doctor > 5").write.avro("/tmp/output")

但是如果我需要查看 doctor 字符串是否包含子字符串怎么办？因为我们将表达式写在字符串中。我该怎么做才能做到“包含”？

Answer 1

您可以使用contains(这适用于任意序列):

df.filter($"foo".contains("bar"))

like(类似于 SQL 简单正则表达式，_ 匹配任意字符，% 匹配任意序列):

df.filter($"foo".like("bar"))

或rlike(如Java regular expressions):

df.filter($"foo".rlike("bar"))

取决于您的要求。 LIKE 和 RLIKE 也应该与 SQL 表达式一起使用。