什么是UDF
UDF(User Define Function 用户自定义函数),Spark SQL扩展接口用于定义新的基于列的函数,这些函数扩展了Spark SQL的DSL用于转换数据集的词汇表。
适用场景
单条记录,使用内置函数无法完成,或者进行比较复杂的操作时,都可以使用UDF。
如何使用UDF
在SQL语句中使用UDF
实现UDF,可以是case class,可以是匿名类。然后讲其注册到spark,在sql语句中调用UDF。
def main(args: Array[String]): Unit = { val spark = SparkSession.builder().master("local[*]").appName("SparkUdfStudy").getOrCreate() import spark.implicits._ spark.udf.register("to_uppercase", (s: String) => s.toUpperCase()) Seq((1, "iphone8"), (2, "huawei")).toDF("id", "name").createOrReplaceTempView("product") spark.sql("select id, to_uppercase(name) from product").show() }
DataFrame
通过withColumn和select使用,withColumn的功能是实现增加一列,或者替换一个已存在的列,他会先判断DataFrame里有没有这个列名,如果有的话就会替换掉原来的列,没有的话就用调用select方法增加一列
def main(args: Array[String]): Unit = { val spark = SparkSession.builder().master("local[*]").appName("SparkUdfStudy").getOrCreate() import spark.implicits._ Seq((1, "iphone8"), (2, "huawei")).toDF("id", "name").createOrReplaceTempView("product") val toUpperCase = functions.udf((s: String) => s.toUpperCase) ds.withColumn("text", toUpperCase('text)).show()
}