如何解决在Spark Databricks上加入数据爆炸
我有类似的数据
FieldA FieldB ExplodedField
1 A 1
1 A 2
1 A 3
2 B 3
2 B 5
我想加入数据,以便输出以以下方式显示:
FieldA FieldB ExplodedField
1 A 1
1 A 1,2
1 A 1,2,3
2 B 3
2 B 3,5
您将如何在Spark中实施它。请注意,输入数据集非常大
解决方法
尝试使用具有 partitionBy + orderBy
功能的窗口 collect_list and concat_ws
。
Example:
val df=Seq((1,"A",1),(1,2),3)).toDF("FieldA","FieldB","ExplodedField").withColumn("mid",monotonically)
import org.apache.spark.sql.functions._
import org.apache.spark.sql.expressions._
val win=Window.partitionBy("FieldA","FieldB").orderBy("mid")
df.withColumn("ExplodedField",concat_ws(",",collect_list(col("ExplodedField")).over(win))).
drop("mid").
show()
/*
+------+------+-------------+
|FieldA|FieldB|ExplodedField|
+------+------+-------------+
| 1| A| 1|
| 1| A| 1,2|
| 1| A| 1,2,3|
+------+------+-------------+
*/
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。