spark sql 自定义函数以及dataframe Row的解析

本文介绍了如何在Spark中创建自定义函数并注册为UDF,以及如何解析DataFrame的Row。通过示例展示了使用get方法、类型匹配和样例类处理Row的不同方式。最后,讨论了使用UDF在Spark SQL中处理数据的便利性。
摘要由CSDN通过智能技术生成

//自定义函数

val spark = SparkSession
      .builder()
      .master("local[*]")
      .appName("dataDeal")
      .getOrCreate()

 spark.udf.register("functionName", (args: String) => {
      if (args == null) {
        "0"
      } else {

      //声明一个 StringBuilder
        val sb = new StringBuilder

//带步长的scala for循环 
        for (i <- Range(0, hex.length, 2)) {
          val output = hex.substring(i, (i + 2))
          val decimal = Integer.parseInt(output, 16)
          sb.append(decimal)
        }
        sb.toString()
      }
    })

spark sql  dataframe row的解析

在sparksql编程时,经常需要对row进行map

1 使用 Row提供的get方法,

2 使用类型匹配

3 使用类型匹配和样例类

 

1get 方法

val df=spark.sql("select id,sid from ta

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值