Spark UDAF - 使用泛型作爲輸入類型？

Question

我想編寫Spark UDAF，其中列的類型可以是任何具有定義在其上的Scala數字的列。我在互聯網上搜索過，但只找到像DoubleType，LongType這樣的具體類型的例子。這不可能嗎？但是，如何將UDAF與其他數值一起使用呢？

Answer 1

爲簡單起見，我們假設您想定義一個自定義sum。你必須提供輸入類型TypeTag並使用Scala的反射來定義模式：

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) 
} 

定義爲上面我們可以創建實例處理特定類型的函數：

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

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

注意：

爲了獲得與內置集合函數相同的靈活性，您必須定義您自己的AggregateFunction，如ImperativeAggregate或DeclarativeAggregate。這是可能的，但它是一個內部API。