apache-spark - 没有 orderBy 的 Spark 窗口函数

Question

我有一个带有列的 DataFrame a, b我想通过 a 对数据进行分区使用窗口函数，然后为 b 提供唯一索引

val window_filter = Window.partitionBy($"a").orderBy($"b".desc)
withColumn("uid", row_number().over(window_filter))

但是对于这个用例，按 b 订购是不需要的，而且可能很耗时。如何在不订购的情况下实现这一目标？

Answer 1

row_number() without order by 或 with order by 常量具有非确定性行为，并且由于并行处理，可能会在每次运行中对相同的行产生不同的结果。如果按列的顺序不变，也可能发生同样的情况，行的顺序可能因运行而异，您将得到不同的结果。