编写UDF以在Java中的Map中查找，以提供不受支持的文字类型类java.util.HashMap

如何解决编写UDF以在Java中的Map中查找，以提供不受支持的文字类型类java.util.HashMap

我正在将Java8与Spark v2.4.1一起使用

我正在尝试使用UDF通过地图进行查找，如下所示

数据：

+-----+-----+-----+
|code1|code2|code3|
+-----+-----+-----+
|1    |7    |  5  |
|2    |7    |  4  |
|3    |7    |  3  |
|4    |7    |  2  |
|5    |7    |  1  |
+-----+-----+-----+

预期数据：

+-----+-----+-----+
|code1|code2|code3|
+-----+-----+-----+
|1    |7    |51   |
|2    |7    |41   |
|3    |7    |31   |
|4    |7    |21   |
|5    |7    |11   |
+-----+-----+-----+

Map<Integer,Integer> map= new HashMap<>();
      map.put(1,11);
      map.put(2,21);
      map.put(3,31);
      map.put(4,41);
      map.put(5,51);



public static UDF2 userDefinedFunction= new UDF2<java.util.Map<Integer,Integer>,Integer,Integer>() 
 {
        private static final long serialVersionUID = 1L;
        
        @Override
        public Integer call(java.util.Map<Integer,Integer> map,Integer score) throws Exception {
            return map.get(score);
        }
    };


  Dataset<Row> resultDs= dataDs.withColumn("code3",functions.callUDF("userDefinedFunction",col("code3"),lit(map) ) )

错误：

java.lang.RuntimeException：不支持的文字类型类java.util.HashMap

这是怎么了？如何使用JavaAPI在UDF中传递/处理HashMap参数

数据：

    List<String[]> stringAsList = new ArrayList<>();
    stringAsList.add(new String[] { "1","7","5" });
    stringAsList.add(new String[] { "2","4" });
    stringAsList.add(new String[] { "3","3" });
    stringAsList.add(new String[] { "4","2" });
    stringAsList.add(new String[] { "5","1" });
    
    JavaSparkContext sparkContext = new JavaSparkContext(sparkSession.sparkContext());
    JavaRDD<Row> rowRDD = sparkContext.parallelize(stringAsList).map((String[] row) -> RowFactory.create(row));

   
    StructType schema = DataTypes
            .createStructType(new StructField[] {
                    DataTypes.createStructField("code1",DataTypes.StringType,false),DataTypes.createStructField("code2",DataTypes.createStructField("code3",false)
                  
            });

    Dataset<Row> dataDf= sparkSession.sqlContext().createDataFrame(rowRDD,schema).toDF();

    
    Dataset<Row> dataDs = dataDf
                    .withColumn("code1",col("code1").cast(DataTypes.IntegerType))
                    .withColumn("code2",col("code2").cast(DataTypes.IntegerType))
                    .withColumn("code3",col("code3").cast(DataTypes.IntegerType))
                      ;