自定义强类型聚合函数跟自定义无类型聚合函数的操作类似,相对的,实现自定义强类型聚合函数则要继承org.apache.spark.sql.expressions.Aggregator。强类型的优点在于:其内部与特定数据集紧密结合,增强了紧密型、安全性,但由于其紧凑的特性,降低了适用性。
准备employ.txt文件:
Michael,3000
Andy,4500
Justin,3500
Betral,4000
一、定义自定义强类型聚合函数
package com.cjs
import org.apache.spark.sql.{Encoder, Encoders}
import org.apache.spark.sql.expressions.Aggregator
//定义输入数据类型
case class Employee(name:String, salary:Long)
//定义聚合缓冲器类型
case class Average(var sum:Long, var count:Long)
//继承Aggregator类时需要指定泛型类型,依次为:传入聚合缓冲器的数据类型、聚合缓冲器的类型、返回结果的类型
object MyAggregator extends Aggregator[Employee, Average, Double]{
//类似于初始化聚合缓冲器
override def zero: Average = Average(0L,0L)
//根据传入的参数进行运算操作,最后更新buffer缓冲器,并返回
override def reduce(buffer: Average, a: Employee): Average = {
buffer.sum += a.salary
buffer.count +