spark中也可以自定义函数,而且非常简单就是一把梭
UDF:user Defined Function用户自定义函数,通过输入值,对值进行操作
* UDAF:User Defined Aggregation Function 用户自定义的聚合函数,函数本身作用于数据集合
能够在聚合操作的基础上进行自定义操作 UDF和UDAF都要进行注册,udaf唯一要注意的是UserDefinedAggregateFunction的那8个方法的重写,就在这里你可以自定义你的算法)
代码如下:
val conf =new SparkConf().setMaster("local").setAppName("SparkUdf")
val sc =new SparkContext(conf)
val sqlContext =new SQLContext(sc)
//模拟数据
val bigdata =Array("spark","hadoop","flink","storm","hadoop","spark","flink","storm","hadoop","hadoop")
//创建df
val bigDataRdd = sc.parallelize(bigdata)
val bigRDDRow = bigDataRdd.map(Row(_))
val structType = StructType(Array(
new StructField("word", StringType,true)
))
val bigDataDF = sqlContext.createDataFrame(bigRDDRow, structType)
//注册临时表
bigDataDF.registerTempTable("bigdatatable")
/**
* 通过sqlcontext注册UDF
*/
sqlContext.udf.register("computeLength", (key:String) => key.length)
//通过上面即可使用这个函数了
//sqlContext.sql("select word,computeLength(word) as length from bigdatatable").show
sqlContext.udf.register("wordcount",new firstUDAF)
sqlContext.sql("select word,wordcount(word) as count ,computeLength(word) as length " +
"from bigdatatable GROUP BY word").show
firstUDAF类如下:
override def inputSchema: StructType = StructType(
Array(StructField("input",StringType,true))
)
/**
* 在进行聚合操作的时候,所要处理的数据的结果的类型
*/
override def bufferSchema: StructType = StructType(
Array(StructField("count",IntegerType,true))
)
/**
* 指定UDAF计算后返回的结果类型
*
*/
override def dataType: DataType = IntegerType
/**
* 确保一致性,一般都用true
*/
override def deterministic: Boolean =true
/**
* 在Aggregate之前魅族数据的初始化结果
*/
override def initialize(buffer: MutableAggregationBuffer): Unit = {
buffer(0) =0
}
/**
* 在进行聚合的时候,每当有新的值进来,对分组后的聚合如何进行计算
* 本地的聚合操作
*/
override def update(buffer: MutableAggregationBuffer, input: Row): Unit = {
//getAs返回位置i的值
buffer(0) = buffer.getAs[Int](0)+1
}
/**
* 最后在分布式节点进行local reduce完成后需要进行全局级别的Merge操作
*/
override def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = {
buffer1(0) = buffer1.getAs[Int](0) + buffer2.getAs[Int](0)
}
/**
* 返回最终结果
*/
override def evaluate(buffer: Row): Any = {
buffer.getAs[Int](0)
}
网友评论