Question

我有两个表，即table1和table2。 table1很大，而table2很小。另外，我有一个UDF函数，其接口定义如下：

--table1--
id
1
2
3

--table2--
category
a
b
c
d
e
f
g

UDF: foo(id: Int): List[String]

我打算首先调用UDF以获取相应的类别：foo(table1.id)，它将返回WrappedArray，然后我想加入category中的每个table2以进行更多操作。预期结果应如下所示：

--view--

id,category
1,a
1,c
1,d
2,b
2,c
3,e
3,f
3,g

我试图在Hive中找到一个不需要的方法，但没有运气，有人可以帮助我吗？谢谢！

Answer 1

我认为您要使用explode function或数据集flatMap operator。

explode函数为给定数组或映射列中的每个元素创建一个新行。

flatMap运算符通过首先将函数应用于此数据集的所有元素，然后展平结果来返回新的数据集。

执行UDF foo(id: Int): List[String]后，您最终会得到Dataset类型为array的列。

val fooUDF = udf { id: Int => ('a' to ('a'.toInt + id).toChar).map(_.toString) }

// table1 with fooUDF applied
val table1 = spark.range(3).withColumn("foo", fooUDF('id))

scala> table1.show
+---+---------+
| id|      foo|
+---+---------+
|  0|      [a]|
|  1|   [a, b]|
|  2|[a, b, c]|
+---+---------+

scala> table1.printSchema
root
 |-- id: long (nullable = false)
 |-- foo: array (nullable = true)
 |    |-- element: string (containsNull = true)

scala> table1.withColumn("fooExploded", explode($"foo")).show
+---+---------+-----------+
| id|      foo|fooExploded|
+---+---------+-----------+
|  0|      [a]|          a|
|  1|   [a, b]|          a|
|  1|   [a, b]|          b|
|  2|[a, b, c]|          a|
|  2|[a, b, c]|          b|
|  2|[a, b, c]|          c|
+---+---------+-----------+

有了这个，join应该很容易。

以后如何用键加入数组来取消加入？

1 个答案: