Spark (JAVA) - 具有多个聚合的数据帧 groupBy？

Question

我正在尝试使用 JAVA 在 Spark 上编写 groupBy。在 SQL 中，这看起来像

SELECT id, count(id) as count, max(date) maxdate
FROM table
GROUP BY id;

但是这个查询的 Spark/JAVA 风格等效项是什么？假设变量table 是一个数据框，以查看与SQL 查询的关系。我在想这样的事情：

table = table.select(table.col("id"), (table.col("id").count()).as("count"), (table.col("date").max()).as("maxdate")).groupby("id")

这显然是不正确的，因为您不能在列上使用聚合函数，如 .count 或 .max，只能在数据帧上使用。那么这在 Spark JAVA 中是如何完成的呢？

谢谢！

Answer 1

您可以使用org.apache.spark.sql.functions：

import org.apache.spark.sql.functions;

table.groupBy("id").agg(
    functions.count("id").as("count"),
    functions.max("date").as("maxdate")
).show();