字符串排列 spark udf

Question

我正在使用 scala 将 pig 脚本转换为 spark 1.6，我有一个包含字符串的数据框，我想按特定顺序交换字符。
示例：

+----------------+
|            Info|
+----------------+
|8106f510000dc502|
+----------------+

我想像这样转换它 [3,1,5,7,6,(8-16),4,2]

+----------------+
|            Info|
+----------------+
|08f150000dc50241|
+----------------+

这是我使用 java 的猪 UDF，它正在工作：

public class NormalizeLocInfo extends EvalFunc<String>
{
    public String exec(Tuple input) throws IOException {
        if (input == null || input.size() == 0)
            return null;
        try{
            char [] ca = ((String)input.get(0)).toCharArray();
            return (
                    new StringBuilder().append(ca[3]).append(ca[0]).append(ca[5]).append(ca[7]).append(ca[6]).append(ca[8]).append(ca[9]).append(ca[10])
               .append(ca[11]).append(ca[12]).append(ca[13]).append(ca[14]).append(ca[15]).append(ca[16]).append(ca[4]).toString().toUpperCase()
               );
        }catch(Exception e){throw new IOException("UDF:Caught exception processing input row :"+input.get(0), e);}
    }
  }

如何使用 scala 将其更改为触发 udf？ 谢谢你

Answer 1

这就是你如何在 spark 中为你的函数定义一个 UDF 函数

   import org.apache.spark.sql.functions._

    val exec = udf((input : String) => {
      if (input == null || input.trim == "") ""
      else {
        Try{
          val ca = input.toCharArray
          List(3,1,5,7,6,9,10,11,12,13,14,15,16,4,2).map(a=>ca(a-1)).mkString
        } match{
          case Success(data) => data
          case Failure(e)  =>
            println(e.printStackTrace())
            ""
        }
      }
    })

你可以使用withColumn()作为函数

val dfNew = df.withColumn("newCol", exec($"oldCol"))

希望对你有帮助