sparksql的自定义函数

 自定义函数

package com.ruozedata.SparkProjectJob
import org.apache.spark.sql.SparkSession
object FunctionApp {
  def main(args: Array[String]): Unit = {
    val spark =SparkSession.builder()//
      .master("local[2]")//
      .appName("AnalyzerTrain")//
      .getOrCreate()
    import spark.implicits._
    val likeDF= spark.sparkContext.parallelize(List("17er	ruoze,j哥,星星,小海", "老二	zwr,17er", "小海	苍老师,波老师"))
      .map(x => {
        val fileds = x.split("	")
        Stu(fileds(0).trim, fileds(1).trim)
      }
      ).toDF()
    spark.udf.register("like_count" ,(like:String)=>like.split(",").size) //注册函数like_count

//方式一：
likeDF.createOrReplaceTempView("info")//DF通过createOrReplaceTempView注册成临时表info

 spark.sql("select name,like,like_count(like) num from info").show() spark.stop() } 

case class Stu(name: String, like: String) }

运行结果

+------+------------------------+-----+
|name|         like                |num|
+------+------------------------+-----+
|17er |ruoze,j哥,星星,小海|    4|
| 老二| zwr,17er                |   2  |
| 小海| 苍老师,波老师       |  2  |
+----+--------------+----------------+

定义了每个人喜欢的人的个数的函数；以上的是定义函数以后通过sql来使用的，那如何通过API来使用呢？看下面的代码

package com.ruozedata.SparkProjectJob
import org.apache.spark.sql.SparkSession
object FunctionApp {
  def main(args: Array[String]): Unit = {
    val spark =SparkSession.builder()//
      .master("local[2]")//
      .appName("AnalyzerTrain")//
      .getOrCreate()
    import spark.implicits._
    val likeDF= spark.sparkContext.parallelize(List("17er	ruoze,j哥,星星,小海", "老二	zwr,17er", "小海	苍老师,波老师"))
      .map(x => {
        val fileds = x.split("	")
        Stu(fileds(0).trim, fileds(1).trim)
      }
      ).toDF()
    spark.udf.register("like_count" ,(like:String)=>like.split(",").size) //注册函数like_count
//likeDF.createOrReplaceTempView("info")//DF通过createOrReplaceTempView注册成临时表info

//方式二：注册函数以后直接就可以当成内置函数使用的模式来使用

likeDF.selectExpr("name","like","like_count(like) as cnt").show()

case class Stu(name: String, like: String) }

运行结果

+----+--------------------------+--------+
|name| like                        |cnt     |
+------+--------------------------+------+
|17er  | ruoze,j哥,星星,小海 | 4     |
| 老二 | zwr,17er                  | 2     |
| 小海 | 苍老师,波老师         | 2     |
+------+--------------------------+------+

其实方式二仅仅是半API，纯正的API见下

package com.ruozedata.SparkProjectJob
import org.apache.spark.sql.{SparkSession, functions}

object FunctionApp {
  def main(args: Array[String]): Unit = {
    val spark =SparkSession.builder()//
      .master("local[2]")//
      .appName("AnalyzerTrain")//
      .getOrCreate()
    import spark.implicits._
    val likeDF= spark.sparkContext.parallelize(List("17er	ruoze,j哥,星星,小海", "老二	zwr,17er", "小海	苍老师,波老师"))
      .map(x => {
        val fileds = x.split("	")
        Stu(fileds(0).trim, fileds(1).trim)
      }
      ).toDF()
//方式三：
val like_count =functions.udf((like:String)=>like.split(",").size)
    //spark.udf.register("like_count" ,(like:String)=>like.split(",").size)

    likeDF.select($"name",$"like",like_count($"like").alias("cnt") ).show()

//like_count 需要通过val来定义，这样在select里边使用的时候才不会爆红

  spark.stop() } case class Stu(name: String, like: String) }

运行结果

+----+--------------------------+--------+
|name| like                        |cnt     |
+------+--------------------------+------+
|17er  | ruoze,j哥,星星,小海 | 4     |
| 老二 | zwr,17er                  | 2     |
| 小海 | 苍老师,波老师         | 2     |
+------+--------------------------+------+