Question

我希望能够在PySpark中使用Scala函数作为UDF

package com.test

object ScalaPySparkUDFs extends Serializable {
    def testFunction1(x: Int): Int = { x * 2 }
    def testUDFFunction1 = udf { x: Int => testFunction1(x) }
}

我可以在PySpark中访问testFunction1并让它返回值：

functions = sc._jvm.com.test.ScalaPySparkUDFs 
functions.testFunction1(10)

我希望能够将此功能用作UDF，理想情况是在withColumn调用中：

row = Row("Value")
numbers = sc.parallelize([1,2,3,4]).map(row).toDF()
numbers.withColumn("Result", testUDFFunction1(numbers['Value']))

我认为这里有一个很有前景的方法： Spark: How to map Python with Scala or Java User Defined Functions?

但是，当对代码进行更改时，使用testUDFFunction1代替：

def udf_test(col):
    sc = SparkContext._active_spark_context
    _f = sc._jvm.com.test.ScalaPySparkUDFs.testUDFFunction1.apply
    return Column(_f(_to_seq(sc, [col], _to_java_column)))

我明白了：

 AttributeError: 'JavaMember' object has no attribute 'apply'

我不明白这一点，因为我相信testUDFFunction1确实有申请方法？

我不想使用此处找到的类型的表达式： Register UDF to SqlContext from Scala to use in PySpark

任何有关如何完成这项工作的建议都将不胜感激！

Answer 1

您关联的问题是使用Scala object。 Scala object是一个单例，您可以直接使用apply方法。

在这里你使用一个nullary函数，它返回一个UserDefinedFunction类的对象，你必须首先调用该函数：

_f = sc._jvm.com.test.ScalaPySparkUDFs.testUDFFunction1() # Note () at the end
Column(_f.apply(_to_seq(sc, [col], _to_java_column)))

Answer 2

同意@ user6910411，您必须直接在函数上调用apply方法。因此，您的代码将是。

Scala中的UDF：

import org.apache.spark.sql.expressions.UserDefinedFunction
import org.apache.spark.sql.functions._


object ScalaPySparkUDFs {

    def testFunction1(x: Int): Int = { x * 2 }

    def getFun(): UserDefinedFunction = udf(testFunction1 _ )
}

PySpark代码：

def test_udf(col):
    sc = spark.sparkContext
    _test_udf = sc._jvm.com.test.ScalaPySparkUDFs.getFun()
    return Column(_test_udf.apply(_to_seq(sc, [col], _to_java_column)))


row = Row("Value")
numbers = sc.parallelize([1,2,3,4]).map(row).toDF()
numbers.withColumn("Result", test_udf(numbers['Value']))

如何在PySpark中使用Scala UDF？

2 个答案: