使用UDF Spark將字符串的嵌套ArrayType轉換為日期的嵌套ArrayType

Question

輸入 ：

f1 : [["2017-08-08","2017/08/08"],["2017-08-08","2017/08/08"]]

f1的架構： ArrayType(ArrayType(StringType))

我想使用Spark UDF將日期值從String轉換為日期格式。 這里輸入可能具有Array[Any] 。 我已經寫過["2017-08-07","2013/08/02"]它適用於像["2017-08-07","2013/08/02"]類的一維值。 對於一維，我的udf將是：

def toDateFormatUdf(dateFormat:String) = udf(( dateValue: mutable.WrappedArray[_]) =>  dateValue match{
      case null => null
      case datevalue: mutable.WrappedArray[String] => datevalue.map(date => new java.sql.Date(new SimpleDateFormat(dateFormat).parse(String.valueOf(date)).getTime))
})

我嘗試將Seq[Row]類型作為UDF參數，但無法形成邏輯。 有什么方法可以在Scala中為多維數組實現UDF？

Answer 1

如果數據有一致的格式，你可以cast ，但在這里它會排除yyyy/MM/dd記錄：

val df = Seq((1L, Seq(Seq("2017-08-08", "2017/08/08"), Seq("2017-08-08","2017/08/08")))).toDF("id", "dates")

df.select($"dates".cast("array<array<date>>")).show(1, false)
+----------------------------------------------------------------+
|dates                                                           |
+----------------------------------------------------------------+
|[WrappedArray(2017-08-08, null), WrappedArray(2017-08-08, null)]|
+----------------------------------------------------------------+

在這里，我只重寫格式：

val f1 = "(^[0-9]{4})-([0-9]{2})-([0-9]{2})$".r
val f2 = "(^[0-9]{4})/([0-9]{2})/([0-9]{2})$".r

val reformat = udf((xxs: Seq[Seq[String]]) => xxs match {
  case null => null
  case xxs => xxs.map {
    case null => null
    case xs => xs.map { x=> {
      x match {
        case null => null
        case f1(_, _, _) => x
        case f2(year, month, day) => s"${year}-${month}-${day}"
        case _ => null
      }
    }}
  }
})

然后投

df.select(reformat($"dates")).show(1, false)
+----------------------------------------------------------------------------+
|UDF(dates)                                                                  |
+----------------------------------------------------------------------------+
|[WrappedArray(2017-08-08, 2017-08-08), WrappedArray(2017-08-08, 2017-08-08)]|
+----------------------------------------------------------------------------+

避免不必要的SimpleDateFormat初始化。