[英]Column type inferred as binary with typed UDAF
我正在尝试实现一个返回复杂类型的类型化 UDAF。 不知怎的,星火不能推断结果列的类型,并使其binary
把序列化的数据在那里。 这是一个重现问题的最小示例
import org.apache.spark.sql.expressions.Aggregator
import org.apache.spark.sql.{SparkSession, Encoder, Encoders}
case class Data(key: Int)
class NoopAgg[I] extends Aggregator[I, Map[String, Int], Map[String, Int]] {
override def zero: Map[String, Int] = Map.empty[String, Int]
override def reduce(b: Map[String, Int], a: I): Map[String, Int] = b
override def merge(b1: Map[String, Int], b2: Map[String, Int]): Map[String, Int] = b1
override def finish(reduction: Map[String, Int]): Map[String, Int] = reduction
override def bufferEncoder: Encoder[Map[String, Int]] = Encoders.kryo[Map[String, Int]]
override def outputEncoder: Encoder[Map[String, Int]] = Encoders.kryo[Map[String, Int]]
}
object Question {
def main(args: Array[String]): Unit = {
val spark = SparkSession.builder().master("local").getOrCreate()
val sc = spark.sparkContext
import spark.implicits._
val ds = sc.parallelize((1 to 10).map(i => Data(i))).toDS()
val noop = new NoopAgg[Data]().toColumn
val result = ds.groupByKey(_.key).agg(noop.as("my_sum").as[Map[String, Int]])
result.printSchema()
}
}
它打印
root
|-- value: integer (nullable = false)
|-- my_sum: binary (nullable = true)
这里根本没有推论。 相反,您或多或少会得到您所要求的。 具体错误在这里:
override def outputEncoder: Encoder[Map[String, Int]] = Encoders.kryo[Map[String, Int]]
Encoders.kryo
意味着您应用通用序列化并返回二进制 blob。 误导部分是.as[Map[String, Int]]
- 与人们可能期望的相反,它不是静态类型检查的。 更糟糕的是,查询计划器甚至没有主动验证它,并且只有在评估result
时才会抛出运行时异常。
result.first
org.apache.spark.sql.AnalysisException: cannot resolve '`my_sum`' due to data type mismatch: cannot cast binary to map<string,int>;
at org.apache.spark.sql.catalyst.analysis.package$AnalysisErrorAt.failAnalysis(package.scala:42)
at org.apache.spark.sql.catalyst.analysis.CheckAnalysis$$anonfun$checkAnalysis$1$$anonfun$apply$3.applyOrElse(CheckAnalysis.scala:115)
...
您应该提供特定的Encoder
,或者明确地:
import org.apache.spark.sql.catalyst.encoders.ExpressionEncoder
def outputEncoder: Encoder[Map[String, Int]] = ExpressionEncoder()
或隐含地
class NoopAgg[I](implicit val enc: Encoder[Map[String, Int]]) extends Aggregator[I, Map[String, Int], Map[String, Int]] {
...
override def outputEncoder: Encoder[Map[String, Int]] = enc
}
作为一个副作用,它会使as[Map[String, Int]]
过时,因为Aggregator
的返回类型是已知的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.