apache-spark - 在数组内的 Spark SQL 中查询

Question

为了提供背景，我已经使用加载了 JSON

sqlContext.read.json(sn3://...)
df.registerTable("posts")

我在 Spark 中的表具有以下架构

scala> posts.printSchema
root
 |-- command: string (nullable = true)
 |-- externalId: string (nullable = true)
 |-- sourceMap: struct (nullable = true)
 |    |-- hashtags: array (nullable = true)
 |    |    |-- element: string (containsNull = true)
 |    |-- url: string (nullable = true)
 |-- type: string (nullable = true)

我想选择所有带有标签“耐克”的帖子

sqlContext.sql("select sourceMap['hashtags'] as ht from posts where ht.contains('nike')");

我收到一个错误
未定义的函数 ht.contains

我不确定使用什么方法在数组中搜索。

谢谢!

Answer 1

我找到了引用 Hive SQL 的答案。

sqlContext.sql("select sourceMap['hashtags'] from posts where array_contains(sourceMap['hashtags'], 'nike')");

关键函数是 array_contains()