scala - 如何让 spark udf 接受不同数据类型的列表？

Question

我的底层函数是这样定义的:

def rowToSHA1(s: Seq[Any]): String = {
   //return sha1 of sequence
 } 
}

这是我的 udf 的定义:

val toSha = udf[String, Seq[Any]](rowToSHA1)

df.withColumn("shavalue",(toSha(array($"id",$"name",$"description",$"accepted")))

当我只传递一个字符串列表作为参数时它有效，但当有 bool 值时我得到一个错误。

org.apache.spark.sql.AnalysisException: cannot resolve 'array(`id`, `name`, 
`description`, `accepted`)' due to data type mismatch: input to function 
array should all be the same type, but it's [string, string, string, 
boolean];;

我正在探索泛型函数的使用，这是个好主意吗？

修复:在应用函数之前将我的列转换为字符串

df.withColumn("shavalue",(toSha(array($"id",$"name",$"description",$"accepted".cast("string)))

Answer 1

对于这种情况，我所知道的最佳解决方案就是将所有内容都转换为字符串，当您读取/创建 DataFrame 时，请确保所有内容都是字符串或在某个时候将其转换。稍后您可以将 if 转换回任何其他类型。