scala - spark DataFrame "as"方法的使用

Question

我在看 spark.sql.DataFrame文档。

有

def as(alias: String): DataFrame
    Returns a new DataFrame with an alias set.
    Since
        1.3.0 

这种方法的目的是什么？它是如何使用的？可以举个例子吗？

我还没有在网上找到任何关于这种方法的信息，而且文档也很不存在。我没有设法使用这种方法制作任何类型的别名。

Answer 1

Spark <= 1.5

它或多或少相当于 SQL 表别名:

SELECT *
FROM table AS alias;

示例用法改编自 PySpark alias documentation :

import org.apache.spark.sql.functions.col
case class Person(name: String, age: Int)

val df = sqlContext.createDataFrame(
    Person("Alice", 2) :: Person("Bob", 5) :: Nil)

val df_as1 = df.as("df1")
val df_as2 = df.as("df2")
val joined_df = df_as1.join(
    df_as2, col("df1.name") === col("df2.name"), "inner")
joined_df.select(
    col("df1.name"), col("df2.name"), col("df2.age")).show

输出:

+-----+-----+---+
| name| name|age|
+-----+-----+---+
|Alice|Alice|  2|
|  Bob|  Bob|  5|
+-----+-----+---+

同样的事情使用 SQL 查询:

df.registerTempTable("df")
sqlContext.sql("""SELECT df1.name, df2.name, df2.age
                  FROM df AS df1 JOIN df AS df2
                  ON df1.name == df2.name""")

What is the purpose of this method?

几乎避免了歧义的列引用。

Spark 1.6+

还有一个新的 as[U](implicit arg0: Encoder[U]): Dataset[U]用于转换 DataFrame到 DataSet给定类型的。例如:

df.as[Person]