Spark UDF 作为函数参数，UDF 不在函数范围内

Question

我想将一些 UDF 作为函数参数与数据帧一起传递。

执行此操作的一种方法可能是在函数中创建 UDF，但这会创建和销毁 UDF 的多个实例而不重用它，这可能不是解决此问题的最佳方法。

这是一段示例代码 -

val lkpUDF = udf{(i: Int) => if (i > 0) 1 else 0}

val df =   inputDF1
    .withColumn("new_col", lkpUDF(col("c1")))
val df2 =   inputDF2.
  .withColumn("new_col", lkpUDF(col("c1")))

理想情况下，我不想做上述事情，而是想做这样的事情 -

val lkpUDF = udf{(i: Int) => if (i > 0) 1 else 0}

def appendCols(df: DataFrame, lkpUDF: ?): DataFrame = {

    df
      .withColumn("new_col", lkpUDF(col("c1")))

  }
val df = appendCols(inputDF, lkpUDF)

上面的 UDF 非常简单，但在我的例子中，它可以返回原始类型或用户定义的案例类类型。任何想法/指针将不胜感激。谢谢。

Answer 1

具有适当签名的函数必须是这样的：

import org.apache.spark.sql.UserDefinedFunction

def appendCols(df: DataFrame, func: UserDefinedFunction): DataFrame = {
    df.withColumn("new_col", func(col("col1")))
}

scala REPL 在返回初始化值的类型方面非常有帮助。

scala> val lkpUDF = udf{(i: Int) => if (i > 0) 1 else 0}
lkpUDF: org.apache.spark.sql.UserDefinedFunction = UserDefinedFunction(<function1>,IntegerType,List(IntegerType))

此外，如果您传递到 udf 包装器的函数签名包含 Any 返回类型（如果函数可以返回原始类型或用户定义的案例类，则属于这种情况）， UDF 将无法编译，并出现如下异常：

java.lang.UnsupportedOperationException: Schema for type Any is not supported