有没有一种简单的方法如何在Sparksql DataFrame上使用数组列爆炸？它在
Scala中相对简单,但是这个函数似乎在
Java中不可用(如javadoc中所述).
一个选项是使用sqlContext.sql(…)并在查询中爆炸功能,但我正在寻找更好,更清洁的方式. DataFrames是从镶木地板文件加载的.
解决方法
我以这种方式解决了这个问题：假设你有一个包含名为“positions”的职位描述的数组列,对于每个拥有“fullName”的人.
然后你从初始架构得到：
root
|-- fullName: string (nullable = true)
|-- positions: array (nullable = true)
| |-- element: struct (containsNull = true)
| | |-- companyName: string (nullable = true)
| | |-- title: string (nullable = true)
...
到架构：
root |-- personName: string (nullable = true) |-- companyName: string (nullable = true) |-- positionTitle: string (nullable = true)
通过做：
DataFrame personPositions = persons.select(persons.col("fullName").as("personName"),org.apache.spark.sql.functions.explode(persons.col("positions")).as("pos"));
DataFrame test = personPositions.select(personPositions.col("personName"),personPositions.col("pos").getField("companyName").as("companyName"),personPositions.col("pos").getField("title").as("positionTitle"));
