如何在Spark-scala中实现LEAD和LAG

Question

我在spark数据帧中有最终记录（在连接和过滤之后）。我需要比较连续行（按键分区）列值并根据条件需要更改e_date列值，例如：

    sample table
    key1 key 2   col1   col2   s_date      e_date
     a     1      cv1     cv2   2014         2099 
     a     1      cv3     cv2   2016         2099 
     b     2      cv5     cv6   2016         2099
     b     2      cv5     cv6   2016         2099

   final table should look like 
    key1 key 2   col1   col2   s_date      e_date
     a     1      cv1     cv2   2014         2015  (next records s_date-1) 
     a     1      cv3     cv2   2016         2099 
     b     2      cv5     cv6   2016         2099

1. 上面的表有复合键，所以key1和key2是键

2. 通过键比较col1和col2值

3. 如果任何列具有新值结束旧记录，其中新记录的s_date为-1（最终表中的第1,2行）

4. 如果没有变化则忽略新记录（最终表格中的第3行）

scala-spark中的任何指针

Answer 1

领先和滞后已经实施：

import org.apache.spark.sql.functions.{lead, lag}
import org.apache.spark.sql.expressions.Window

lag('s_date, 1).over(Window.partitionBy('key1, 'key2).orderBy('s_date))

有关详细信息，请查看Spark SQL中的窗口函数简介 。