Scala Spark - 不支持 udf 列

Question

我正在尝试使用 udf这相当于:

df.select(when(col("abc").isNotNull and col("abc") =!= "" and col("age") <= 18, 1).otherwise(0).alias("something"))

我声明了 udf喜欢:

//return Int 0 or 1 if conditions are true 
val myudf_x = udf((col_name: String, col_value: String, num: Int) => {
  when(col_name.isNotNull and col_name =!= "" and col_value < num, 1).otherwise(0)

})

用法:

  df.select(
  "col_abc",
  myudf(col("col_abc"), col("age"), 18).alias("something")
)

但我得到一个错误:

Schema for type org.apache.spark.sql.Column is not supported

我也用 String 试过 udf类型而不是 column类型

问题是什么？

谢谢

Answer 1

简单的区分:

• 表达式对 SQL 类型 ( Columns ) 进行操作。
• udfs对外部 (Scala) 类型进行操作。

如果你想要一个使用表达式 DSL 的函数:

import org.apache.spark.sql.Column

// You can use function:
// def f(col_name: Column, col_value: Column, num: Column) = ???
// I used closure syntax to highlight difference in types
val f: (Column, Column, Column) => Column = 
  (col_name: Column, col_value: Column, num: Column) =>  when(
    col_name.isNotNull and col_name =!= "unknown" and col_value < num, 
    1
  ).otherwise(0)

否则:

val g: UserDefinedFunction = udf(
  (col_name: String, col_value: String, num: Int) => {
    if (col_name != null && col_name != "unknown" && col_value < num) 1 else 0
  }
)

但在当前形式下，udf 不会进行类型检查(col_value 是 String 并且 num 是 Int - 它们无法与 < 进行比较)。

也许你想要 col_value.cast("int") < num/col_value.toInt < num ？