[英]How to pass Array[Seq[String]] to apache spark udf? (Error: Not Applicable)
我在 Scala 中有以下 apache spark udf:
val myFunc = udf {
(userBias: Float, otherBiases: Map[Long, Float],
userFactors: Seq[Float], context: Seq[String]) =>
var result = Float.NaN
if (userFactors != null) {
var contexBias = 0f
for (cc <- context) {
contexBias += otherBiases(contextMapping(cc))
}
// definition of result
// ...
}
result
}
現在我想將參數傳遞給這個函數,但是由於參數context
,我總是收到消息 Not Applicable 。 我知道用戶定義的函數按行輸入,如果我刪除context
,這個函數就會運行......如何解決這個問題? 為什么它不從Array[Seq[String]]
讀取行,即從context
? 或者,將context
作為DataFrame
或類似的東西傳遞也是可以接受的。
// context is Array[Seq[String]]
val a = sc.parallelize(Seq((1,2),(3,4))).toDF("a", "b")
val context = a.collect.map(_.toSeq.map(_.toString))
// userBias("bias"), otherBias("biases") and userFactors("features")
// have a type Column, while userBias... are DataFrames
myDataframe.select(dataset("*"),
myFunc(userBias("bias"),
otherBias("biases"),
userFactors("features"),
context)
.as($(newCol)))
更新:
我嘗試了zero323
的答案中指出的解決方案,但是context: Array[Seq[String]]
仍然存在一個小問題context: Array[Seq[String]]
。 特別是問題在於循環遍歷此數組for (cc <- context) { contexBias += otherBiases(contextMapping(cc)) }
。 我應該將 String 傳遞給contextMapping
,而不是Seq[String]
:
def myFunc(context: Array[Seq[String]]) = udf {
(userBias: Float, otherBiases: Map[Long, Float],
userFactors: Seq[Float]) =>
var result = Float.NaN
if (userFactors != null) {
var contexBias = 0f
for (cc <- context) {
contexBias += otherBiases(contextMapping(cc))
}
// estimation of result
}
result
}
現在我這樣稱呼它:
myDataframe.select(dataset("*"),
myFunc(context)(userBias("bias"),
otherBias("biases"),
userFactors("features"))
.as($(newCol)))
火花 2.2+
您可以使用typedLit
函數:
import org.apache.spark.sql.functions.typedLit
myFunc(..., typedLit(context))
火花 < 2.2
直接傳遞給 UDF 的任何參數都必須是Column
因此如果您想傳遞常量數組,則必須將其轉換為列文字:
import org.apache.spark.sql.functions.{array, lit}
val myFunc: org.apache.spark.sql.UserDefinedFunction = ???
myFunc(
userBias("bias"),
otherBias("biases"),
userFactors("features"),
// org.apache.spark.sql.Column
array(context.map(xs => array(xs.map(lit _): _*)): _*)
)
非Column
對象只能使用閉包間接傳遞,例如:
def myFunc(context: Array[Seq[String]]) = udf {
(userBias: Float, otherBiases: Map[Long, Float], userFactors: Seq[Float]) =>
???
}
myFunc(context)(userBias("bias"), otherBias("biases"), userFactors("features"))
另一種方法是使用結構
val seq: Seq[String] = ...
val func: UserDefinedFunction = udf((seq: Row) => ...)
val seqStruct = struct(seq.map(v => lit(v)): _*)
func(seqStruct)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.