如何在用户定义的函数中使用自定义类型？答案

【问题标题】：How to use custom type in user-defined function?如何在用户定义的函数中使用自定义类型？
【发布时间】：2017-05-05 14:44:27
【问题描述】：

我需要编写一个具有特定类型作为输入的用户定义函数

spark.udf.register("udf", (p:Point) => distance(p.x, p.y))

我创建了一个案例类点

case class Point(val x: Double, val y: Double)

当我在 Sql 查询中使用 udf 时，它不起作用。有什么帮助吗？

【问题讨论】：

在SQL查询中，“Point”类型是否可用？调用 UDF 您需要传递数据类型为“点”的列
No Point 类型不存在，如何定义？

标签： apache-spark apache-spark-sql udf

【解决方案1】：

定义您的案例类并将其用作数据集架构的“源”。

case class Point(val x: Double, val y: Double)
val points = Seq(Point(0,0), Point(0,1)).toDF
scala> points.show
+---+---+
|  x|  y|
+---+---+
|0.0|0.0|
|0.0|1.0|
+---+---+

您可能已经注意到，案例类只是数据集的模式（即结构）。换句话说，在处理此类数据集时，您不能编写一个接受Point 对象的用户定义函数。

一种可能的解决方案是不使用用户定义的函数，而是键入Dataset 并将函数注册为 UDF，而不是常规的 Scala 函数（或方法）。

scala> val points = Seq(Point(0,0), Point(0,1)).toDS
points: org.apache.spark.sql.Dataset[Point] = [x: double, y: double]

def distance(x: Double, y: Double) = y - x
val myFn = (p:Point) => distance(p.x, p.y)
scala> points.map(myFn).show
+-----+
|value|
+-----+
|  0.0|
|  1.0|
+-----+

【讨论】：

【解决方案2】：

我不知道你的确切要求，但看看你的代码，我提出了一些逻辑。

希望您的查询/表有两个单独的值，即 X 和 Y。您可以按如下方式重新构建您的 udf

spark.udf.register("udf", (x:Double, y:Double) => distance(x,y))

现在您可以使用withCoumn() 使用新的udf 并传递两个单独的参数X 和Y

让我知道还有什么需要注意的。

【讨论】：

@syl 如果对您有用，请确保答案正确
这仍然无法解决嵌套自定义类型的情况