Spark UDAF - 使用泛型作为输入类型？

Question

我想编写Spark UDAF，其中列的类型可以是任何具有定义在其上的Scala数字的列。我在互联网上搜索过，但只找到像DoubleType，LongType这样的具体类型的例子。这不可能吗？但是，如何将UDAF与其他数值一起使用呢？

Answer 1

为简单起见，我们假设您想定义一个自定义sum。你必须提供输入类型TypeTag并使用Scala的反射来定义模式：

import org.apache.spark.sql.expressions._ 
import org.apache.spark.sql.types._ 
import org.apache.spark.sql.Row 
import scala.reflect.runtime.universe._ 
import org.apache.spark.sql.catalyst.ScalaReflection.schemaFor 

case class MySum [T : TypeTag](implicit n: Numeric[T]) 
    extends UserDefinedAggregateFunction { 

    val dt = schemaFor[T].dataType 
    def inputSchema = new StructType().add("x", dt) 
    def bufferSchema = new StructType().add("x", dt) 

    def dataType = dt 
    def deterministic = true 

    def initialize(buffer: MutableAggregationBuffer) = buffer.update(0, n.zero) 
    def update(buffer: MutableAggregationBuffer, input: Row) = { 
    if (!input.isNullAt(0)) 
     buffer.update(0, n.plus(buffer.getAs[T](0), input.getAs[T](0))) 
    } 

    def merge(buffer1: MutableAggregationBuffer, buffer2: Row) = { 
    buffer1.update(0, n.plus(buffer1.getAs[T](0), buffer2.getAs[T](0)))  
    } 

    def evaluate(buffer: Row) = buffer.getAs[T](0) 
} 

定义为上面我们可以创建实例处理特定类型的函数：

val sumOfLong = MySum[Long] 
spark.range(10).select(sumOfLong($"id")).show 

+---------+ 
|mysum(id)| 
+---------+ 
|  45| 
+---------+ 

注意：

为了获得与内置集合函数相同的灵活性，您必须定义您自己的AggregateFunction，如ImperativeAggregate或DeclarativeAggregate。这是可能的，但它是一个内部API。