scala - 从行读取列时出现 NullPointerException

Question

当值为 null 时，以下用于从 Row 读取值的 Scala (Spark 1.6) 代码会失败，并出现 NullPointerException。

val test = row.getAs[Int]("ColumnName").toString

虽然这工作正常

val test1 = row.getAs[Int]("ColumnName") // returns 0 for null
val test2 = test1.toString // converts to String fine

是什么导致了NullPointerException以及处理此类情况的推荐方法是什么？

PS:从 DataFrame 获取行如下:

val myRDD = myDF.repartition(partitions)
  .mapPartitions{ rows => 
    rows.flatMap{ row =>
      functionWithRows(row) //has above logic to read null column which fails
    }
  }

functionWithRows 然后就有上面提到的 NullPointerException。

MyDF 架构:

root
 |-- LDID: string (nullable = true)
 |-- KTAG: string (nullable = true)
 |-- ColumnName: integer (nullable = true)

Answer 1

getAs 定义为:

def getAs[T](i: Int): T = get(i).asInstanceOf[T]

当我们执行 toString 时，我们调用 Object.toString ，它不依赖于类型，因此 asInstanceOf[T] 会被编译器丢弃，即

row.getAs[Int](0).toString -> row.get(0).toString

我们可以通过编写简单的 scala 代码来确认这一点:

import org.apache.spark.sql._

object Test {
  val row = Row(null)
  row.getAs[Int](0).toString
}

然后编译它:

$ scalac -classpath $SPARK_HOME/jars/'*' -print test.scala
[[syntax trees at end of                   cleanup]] // test.scala
package <empty> {
  object Test extends Object {
    private[this] val row: org.apache.spark.sql.Row = _;
    <stable> <accessor> def row(): org.apache.spark.sql.Row = Test.this.row;
    def <init>(): Test.type = {
      Test.super.<init>();
      Test.this.row = org.apache.spark.sql.Row.apply(scala.this.Predef.genericWrapArray(Array[Object]{null}));
      Test.this.row().getAs(0).toString();
      ()
    }
  }
}

所以正确的方法是:

String.valueOf(row.getAs[Int](0))