UDF scala 返回 [max,index]答案

【问题标题】：UDF scala return [max,index]UDF scala 返回 [max,index]
【发布时间】：2016-03-16 08:02:44
【问题描述】：

我想为 Spark SQL 实现以下功能。给定一个数组，返回带有索引的最大值。我试过了：

/*
 * This function finds the maximum value and corresponding index in the array. NULLs are ignored. 
 * Return type is array in format [max, index], and its element type is the same as the input type.
 * Parameters: x Array[Int]
 * Returns: Array as [max, index].
 */
def array_max_index(x: WrappedArray[Int]): WrappedArray[Int] = {
    val arr = collection.mutable.WrappedArray.empty
    arr.:+(x.max).:+(x.indexOf(x.max))
}

这很好用，但仅适用于Integers - 我希望 UDF 也适用于其他数值（例如 Doubles）。我尝试了以下方法，但无法返回具有类型的结构：

def array_max_index[T](item:Traversable[T])(implicit n:Numeric[T]): Traversable[T] = {
    val arr = collection.mutable.WrappedArray.empty
    val max = item.max
    val index = n.toInt(item.toSeq.indexOf(max))
    arr.:+(max).:+(index)
  }

有什么想法吗？

【问题讨论】：

你试过了吗？它不工作吗？它应该工作......
是的，此代码有效，但仅适用于整数数组。我希望它适用于 Double 类型。
那么在问题中说明...？

标签： scala apache-spark user-defined-functions apache-spark-sql

【解决方案1】：

返回Array 没那么有用——因为索引类型始终为Int，最大值类型取决于具体调用（如果我理解正确，您希望它适用于整数和双精度数） - 所以无法正确输入数组。

这是 UDF 的一种可能实现，返回一个元组：

def array_max_index[T](x: Traversable[T])(implicit n: Numeric[T]): (T, Int) = {
  (x.max, x.toSeq.indexOf(x.max))
}

然后，可以为Doubles 和Ints 调用：

sqlContext.udf.register("array_max_index", array_max_index(_: Traversable[Double]))

sqlContext.sql(
  """SELECT array_max_index(array(
    |  CAST(5.0 AS DOUBLE),
    |  CAST(7.0 AS DOUBLE),
    |  CAST(3.0 AS DOUBLE)
    |)) as max_and_index""".stripMargin).show

哪些打印：

+-------------+
|max_and_index|
+-------------+
|      [7.0,1]|
+-------------+

【讨论】：