方法一:利用窗口函数
/**
* 设置窗口函数的分区以及排序,因为是全局排序而不是分组排序,所有分区依据为空
* 排序规则没有特殊要求也可以随意填写
*/
val spec = Window.partitionBy().orderBy($"lon")
val df1 = dataframe.withColumn("id", row_number().over(spec))
df1.show()
方法二: 利用RDD的 zipWithIndex算子
// 在原Schema信息的基础上添加一列 “id”信息
val schema: StructType = dataframe.schema.add(StructField("id", LongType))
// DataFrame转RDD 然后调用 zipWithIndex
val dfRDD: RDD[(Row, Long)] = dataframe.rdd.zipWithIndex()
val rowRDD: RDD[Row] = dfRDD.map(tp => Row.merge(tp._1, Row(tp._2)))
// 将添加了索引的RDD 转化为DataFrame
val df2 = spark.createDataFrame(rowRDD, schema)
df2.show()
方法三:
df2 = df.withColumn("id", monotonically_increasing_id)