描述here(零点323)的解决方案非常接近我想要的两个曲折:
>我如何用Java做到这一点?
>如果列具有字符串列表而不是单个字符串,并且我想在GroupBy(其他列)之后将所有这些列表收集到单个列表中,该怎么办?
我正在使用Spark 1.6并尝试使用
org.apache.spark.sql.functions.collect_list(Column col),如该问题的解决方案中所述,但得到以下错误
Exception in thread “main” org.apache.spark.sql.AnalysisException: undefined function collect_list;
at org.apache.spark.sql.catalyst.analysis.SimpleFunctionRegistry$$anonfun$2.apply(FunctionRegistry.scala:65)
at org.apache.spark.sql.catalyst.analysis.SimpleFunctionRegistry$$anonfun$2.apply(FunctionRegistry.scala:65)
at scala.Option.getOrElse(Option.scala:121)
解决方法:
您看到的错误表明您使用普通的SQLContext而不是HiveContext. collect_list是一个Hive UDF,因此需要HiveContext.它也不支持复杂的列,因此唯一的选择是首先爆炸:
import org.apache.spark.api.java.*;
import org.apache.spark.SparkConf;
import org.apache.spark.sql.SQLContext;
import org.apache.spark.sql.hive.HiveContext;
import java.util.*;
import org.apache.spark.sql.DataFrame;
import static org.apache.spark.sql.functions.*;
public class App {
public static void main(String[] args) {
JavaSparkContext sc = new JavaSparkContext(new SparkConf());
SQLContext sqlContext = new HiveContext(sc);
List data = Arrays.asList(
"{\"id\": 1, \"vs\": [\"a\", \"b\"]}",
"{\"id\": 1, \"vs\": [\"c\", \"d\"]}",
"{\"id\": 2, \"vs\": [\"e\", \"f\"]}",
"{\"id\": 2, \"vs\": [\"g\", \"h\"]}"
);
DataFrame df = sqlContext.read().json(sc.parallelize(data));
df.withColumn("vs", explode(col("vs")))
.groupBy(col("id"))
.agg(collect_list(col("vs")))
.show();
}
}
但它不太可能表现良好.
标签:java,apache-spark,apache-spark-sql
来源: https://codeday.me/bug/20190611/1220478.html