Spark 结构化流/Spark SQL 中的条件爆炸答案

【问题标题】：Conditional Explode in Spark Structured Streaming / Spark SQLSpark 结构化流/Spark SQL 中的条件爆炸
【发布时间】：2018-06-13 00:04:06
【问题描述】：

我正在尝试在 Spark Structured Streaming 中进行条件爆炸。

例如，我的流数据帧如下所示（完全在此处制作数据）。我想在contingent = 1 时将员工数组分解为单独的数组行。 contingent = 0时，需要让数组保持原样。

|----------------|---------------------|------------------|
|     Dept ID    |     Employees       |    Contingent    |
|----------------|---------------------|------------------|
|          1     | ["John", "Jane"]    |       1          |
|----------------|---------------------|------------------|
|          4     | ["Amy", "James"]    |       0          |
|----------------|---------------------|------------------|
|          2     | ["David"]           |       1          |
|----------------|---------------------|------------------|

所以，我的输出应该是这样的（我不需要显示contingent 列：

|----------------|---------------------|
|     Dept ID    |     Employees       |
|----------------|---------------------|
|          1     | ["John"]            |
|----------------|---------------------|
|          1     | ["Jane"]            |
|----------------|---------------------|
|          4     | ["Amy", "James"]    |
|----------------|---------------------|
|          2     | ["David"]           |
|----------------|---------------------|

我目前面临几个挑战：

有条件地分解数组
将数组分解为数组（在这种情况下不是字符串）

在 Hive 中，有一个 UDTF（用户定义的表函数）的概念可以让我这样做。想知道有没有什么可以与之媲美的？

【问题讨论】：

标签： apache-spark apache-spark-sql spark-structured-streaming

【解决方案1】：

使用flatMap 展开并指定您想要的任何条件。

case class Department (Dept_ID: String, Employees: Array[String], Contingent: Int)
case class DepartmentExp (Dept_ID: String, Employees: Array[String])

val ds = df.as[Department]

ds.flatMap(dept => {
  if (dept.Contingent == 1) {
    dept.Employees.map(emp => DepartmentExp(dept.Dept_ID, Array(emp)))
  } else {
    Array(DepartmentExp(dept.Dept_ID, dept.Employees))
  }
}).as[DepartmentExp]

【讨论】：