在写Spark代码时, 发现有个场景需要合并两个List / Array / Seq为一个:
即: 合并两个Array[String]
输入: Array("1","2","3","4") Array("5","6","7","8")
输出: Array("1","2","3","4","5","6","7","8")
或者:
输入: ["1","2","3","4"] ["5","6","7","8"]
输出: ["1","2","3","4","5","6","7","8"]
但是Spark中没有实现类似功能的算子, 于是自己写了一个UDF去实现, 话不多说, 贴代码供大家参考.
UDF代码:
object UdfUtils {
def udfUnionString(): UserDefinedFunction = {
def unionString(arrayOne: Seq[String], arrayTwo: Seq[String]): Array[String] = {
if ((arrayOne == null || arrayOne.isEmpty) && (arrayTwo == null || arrayTwo.isEmpty)) {
Array[String]()
} else if (arrayOne == null || arrayOne.isEmpty) {
arrayTwo.toArray
} else if (arrayTwo == null || arrayTwo.isEmpty) {
arrayOne.toArray
} else {
(arrayOne ++ arrayTwo).toArray
}
}
udf((arrayOne: Seq[String], arrayTwo: Seq[String]) =>
unionString(arrayOne, arrayTwo),
ArrayType(StringType)
)
}
}
调用UDF代码:
testDF.select(
UdfUtils.udfUnionString()(testDf1("array1"),testDf2("array2"))
)
示例:
testDf1("array1"):
["1","2","3","4"]
["a1","b1","c1","d1"]
...
testDf2("array2"):
["5","6","7","8"]
["a2","b2","c2","d2"]
...
结果:
["1","2","3","4","5","6","7","8"]
["a1","b1","c1","d1","a2","b2","c2","d2"]