Spark提供了多种解决方案来应对复杂挑战, 但是我们面临了很多场景, 原生的函数不足以解决问题。因此,Spark允许我们注册自定义函数(User-Defined Functions, 或者叫 UDFs)。
SparkSQL中可以创建自定义函数UDF对dataframe进行操作,UDF是一对一的关系,用于给dataframe增加一列数据的场景。 每次传入一行数据,该行数据可以是一列,也可以是多列,进行一顿操作后,最终只能输出该新增列的一个值。
Spark支持多种语言,比如Python, Scala, Java, R, SQL. 但是通常数据操作都是用PySpark或者Spark Scala写的。
接下来说一下 udf函数的 两种注册方式:udf() 和 register()
UDF函数有两种注册方式: - spark.udf.register() // spark是SparkSession对象 - udf() // 需要import org.apache.spark.sql.functions._
//生成spark对象
val spark = SparkSession.builder()
.master("local[2]")
.appName("testUdf")
.config("spark.driver.memory", "1g")
.config("spark.executor.memory", "2g")
.config("spark.cores.max", "2")
.enableHiveSupport()
.getO