Spark SQL内置函数

2024年2月23日 186次阅读 来源: spark

Spark SQL内置函数官网API：http://spark.apache.org/docs/latest/api/scala/index.html#org.apache.spark.sql.functions%24

平常在使用mysql的时候，我们在写SQL的时候会使用到MySQL为我们提供的一些内置函数，如数值函数：求绝对值abs()、平方根sqrt()等，还有其它的字符函数、日期函数、聚合函数等等。使我们利用这些内置函数能够快速实现我们的业务逻辑。在SparkSQL里其实也为我们提供了近两百多种内置函数，我们通过

import org.apache.spark.sql.functions._

导入内置函数包，来使用。也可以在SQL语句中直接使用。SparkSQL内置函数分类：聚合函数、集合函数、日期函数、数学函数、混杂函数、非聚合函数、排序函数、字符串函数、UDF函数和窗口函数这10类函数。

1 内置函数的使用
使用内置函数的方式有两种，一种是通过编程的方式的使用，另一种是通过SQL的方式使用。

例如：我们有如下数据，想要使用SparkSQL内置函数lower()来将名字全部转为小写

+----+---+-----------+
|name|age|      phone|
+----+---+-----------+
|Ming| 20|15552211521|
|hong| 19|13287994007|
| zhi| 21|15552211523|
+----+---+-----------+

以编程的方式使用内置函数

import org.apache.spark.sql.functions._ df.select(lower(col("name")).as("name"), col("age"), col("phone")).show()

以SQL的方式使用

df.createOrReplaceTempView("people") spark.sql("select lower(name) as name,age,phone from people").show()

2 UDF函数的使用
有的时候，SparkSQL提供的内置函数无法满足我们的业务的时候，我们可以使用过UDF函数来自定义我们的实现逻辑。例如：需要对上面的数据添加一列id，要求id的生成是name+随机生成的uuid+phone。这时候我们可以使用UDF自定义函数实现。如下所示：

//根据name和phone生成组合，并加上一段uud生成唯一表示id
def idGenerator(name: String, phone: Long): String = { name + "-" + UUID.randomUUID().toString + "-" + phone.toString } //生成udf函数
val idGeneratorUDF = udf(idGenerator _) //加入隐式转换
import spark.implicits._ df.withColumn("id", idGeneratorUDF($"name", $"phone")).show()

也可以这样写：

//加入隐式转换
import spark.implicits._ //根据name和phone生成组合，并加上一段uud生成唯一表示id
def idGenerator(name: String, phone: Long): String = { name + "-" + UUID.randomUUID().toString + "-" + phone.toString } //注册udf函数
spark.udf.register("idGenerator",idGenerator _) //使用idGenerator
df.withColumn("id",callUDF("idGenerator",$"name",$"phone")).show()

结果都是一样的：

+----+---+-----------+--------------------+
|name|age|      phone|                  id|
+----+---+-----------+--------------------+
|Ming| 20|15552211521|Ming-9b87d4d5-91d...|
|hong| 19|13287994007|hong-7a91f7d8-66a...|
| zhi| 21|15552211523|zhi-f005859c-4516...|
+----+---+-----------+--------------------+

同样，我们可以将我们自定义的UDF函数注册到SparkSQL里，然后用SQL实现

//将自定义函数注册到SparkSQL里
spark.udf.register("idGeneratorUDF",idGeneratorUDF) //创建临时表
df.createOrReplaceTempView("people") //使用sql查询
spark.sql("select idGeneratorUDF(name,phone) as id,name,age,phone from people").show()

注意：上面加入import spark.implicits._隐式转换是为了方便使用$”列名”来代替col(“列名”)

完整代码：

import java.util.UUID import org.apache.spark.sql.SparkSession /** * spark sql 内置函数 */
object SparkSQLFunctionApp { def main(args: Array[String]): Unit = { val spark = SparkSession.builder().appName(this.getClass.getSimpleName).master("local").getOrCreate() import org.apache.spark.sql.functions._ //加入隐式转换: 本例子里可以使用toDF方法和$"列名"代替col("列名")
 import spark.implicits._ val df = Seq(("Ming", 20, 15552211521L), ("hong", 19, 13287994007L), ("zhi", 21, 15552211523L)).toDF("name", "age", "phone") df.show() /** * +----+---+-----------+ * |name|age| phone| * +----+---+-----------+ * |Ming| 20|15552211521| * |hong| 19|13287994007| * | zhi| 21|15552211523| * +----+---+-----------+ */
    //1 使用内置函数将所有名字都转为小写 //1.1 编程的方式：
    df.select(lower($"name").as("name"), $"age", $"phone").show() /** * +----+---+-----------+ * |name|age| phone| * +----+---+-----------+ * |ming| 20|15552211521| * |hong| 19|13287994007| * | zhi| 21|15552211523| * +----+---+-----------+ */
    //1.2 SQL的方式 //注册表
    df.createOrReplaceTempView("people") spark.sql("select lower(name) as name,age,phone from people").show() /** * +----+---+-----------+ * |name|age| phone| * +----+---+-----------+ * |ming| 20|15552211521| * |hong| 19|13287994007| * | zhi| 21|15552211523| * +----+---+-----------+ */

    //2 UDF函数的使用 //2.1 直接使用 //根据name和phone生成组合，并加上一段uud生成唯一表示id
    def idGenerator(name: String, phone: Long): String = { name + "-" + UUID.randomUUID().toString + "-" + phone.toString } //生成udf函数
    val idGeneratorUDF = udf(idGenerator _) df.withColumn("id", idGeneratorUDF($"name", $"phone")).show() /** * +----+---+-----------+--------------------+ * |name|age| phone| id| * +----+---+-----------+--------------------+ * |Ming| 20|15552211521|Ming-74338e40-548...| * |hong| 19|13287994007|hong-4f058f2b-9d3...| * | zhi| 21|15552211523|zhi-f42bea86-a9cf...| * +----+---+-----------+--------------------+ */
    //将自定义函数注册到SparkSQL里
    spark.udf.register("idGeneratorUDF", idGeneratorUDF) //创建临时表
    df.createOrReplaceTempView("people") //使用sql查询
    spark.sql("select idGeneratorUDF(name,phone) as id,name,age,phone from people").show() /** * +----+---+-----------+--------------------+ * |name|age| phone| id| * +----+---+-----------+--------------------+ * |Ming| 20|15552211521|Ming-74338e40-548...| * |hong| 19|13287994007|hong-4f058f2b-9d3...| * | zhi| 21|15552211523|zhi-f42bea86-a9cf...| * +----+---+-----------+--------------------+ */
    //2.2 通过callUDF使用 //注册udf函数
    spark.udf.register("idGenerator", idGenerator _) //使用idGenerator
    df.withColumn("id", callUDF("idGenerator", $"name", $"phone")).show() /** * +----+---+-----------+--------------------+ * |name|age| phone| id| * +----+---+-----------+--------------------+ * |Ming| 20|15552211521|Ming-74338e40-548...| * |hong| 19|13287994007|hong-4f058f2b-9d3...| * | zhi| 21|15552211523|zhi-f42bea86-a9cf...| * +----+---+-----------+--------------------+ */
    //创建临时表
    df.createOrReplaceTempView("people") //使用sql查询
    spark.sql("select idGenerator(name,phone) as id,name,age,phone from people").show() /** * +--------------------+----+---+-----------+ * | id|name|age| phone| * +--------------------+----+---+-----------+ * |Ming-d4236bac-e21...|Ming| 20|15552211521| * |hong-bff84c0d-67d...|hong| 19|13287994007| * |zhi-aa0174b0-c8b3...| zhi| 21|15552211523| * +--------------------+----+---+-----------+ */ } }

 

    原文作者：spark
    原文地址: https://www.cnblogs.com/itboys/p/9818708.html
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞