首页手记大数据之SparkSQL自定义UDF函数

大数据之SparkSQL自定义UDF函数

标签：

大数据 Spark

自定义UDF函数

无论Hive还是SparkSQL分析处理数据时，往往需要使用函数，SparkSQL模块本身自带很多实现公共功能的函数，在org.apache.spark.sql.functions中。SparkSQL与Hive一样支持定义函数：UDF和UDAF，尤其是UDF函数在实际项目中使用最为广泛。

回顾Hive中自定义函数有三种类型：

第一种：UDF（User-Defined-Function）函数

一对一的关系，输入一个值经过函数以后输出一个值；

在Hive中继承UDF类，方法名称为evaluate，返回值不能为void，其实就是实现一个方法；

第

二种：UDAF（User-Defined Aggregation Function）聚合函数

多对一的关系，输入多个值输出一个值，通常与groupBy联合使用；

第三种：UDTF（User-Defined Table-Generating Functions）函数

一对多的关系，输入一个值输出多个值（一行变为多行）；

用户自定义生成函数，有点像flatMap；

注意

目前来说Spark 框架各个版本及各种语言对自定义函数的支持：

在SparkSQL中，目前仅仅支持UDF函数和UDAF函数：

UDF函数：一对一关系；

UDAF函数：聚合函数，通常与group by 分组函数连用，多对一关系；

由于SparkSQL数据分析有两种方式：DSL编程和SQL编程，所以定义UDF函数也有两种方式，不同方式可以在不同分析中使用。

SQL方式

 使用SparkSession中udf方法定义和注册函数，在SQL中使用，使用如下方式定义：

DSL方式

使用org.apache.sql.functions.udf函数定义和注册函数，在DSL中使用，如下方式：

代码演示

package cn.itcast.sql
 
import org.apache.spark.SparkContext
import org.apache.spark.sql.expressions.UserDefinedFunction
import org.apache.spark.sql.{DataFrame, SparkSession}
 
/**
 * Author itcast
 * Desc
 * 将udf.txt中的单词使用SparkSQL自定义函数转为大写
 * hello
 * haha
 * hehe
 * xixi
 */
object UDFDemo {
  def main(args: Array[String]): Unit = {
    //1.准备环境
    val spark: SparkSession = SparkSession.builder().appName("UDFDemo").master("local[*]").getOrCreate()
    val sc: SparkContext = spark.sparkContext
    sc.setLogLevel("WARN")
    import spark.implicits._
 
    //2.加载数据
    val df: DataFrame = spark.read.text("data/input/udf.txt")
    df.show()
    /*
    +-----+
    |value|
    +-----+
    |hello|
    | haha|
    | hehe|
    | xixi|
    +-----+
     */
 
    //3.使用自定义函数将单词转为大写
 
    //SQL风格-自定义函数
    //spark.udf.register("函数名",函数实现)
    spark.udf.register("small2big", (value: String) => value.toUpperCase())
 
    df.createOrReplaceTempView("t_words")
    val sql: String =
      """
        |select value,small2big(value) as small_word
        |from t_words
        |""".stripMargin
    spark.sql(sql).show() //如果没有自定义该函数,那么会报错:Undefined function: 'small2big'.
 
    //DSL风格-自定义函数
    //val small2big2: UserDefinedFunction = functions.udf((value: String) => value.toUpperCase)
    import org.apache.spark.sql.functions._
    val small2big2: UserDefinedFunction = udf((value: String) => value.toUpperCase)
    df.select($"value", small2big2($"value").as("small_word")).show()
  }
}

————————————————