Question

stateDF
.withWatermark("t","1 seconds")
.groupBy(window($"t","1 minutes","1 minutes"),$"hid")
.agg(collect_list("id"))
.writeStream.outputMode("append")
.format("console").trigger(ProcessingTime("1 minutes"))
.start().awaitTermination()

当我添加＆＃39; collect_list＆＃39;时，我会遇到此问题。但是通过火花核心可以做到。 ERROR：

java.lang.RuntimeException：Collect不能用于部分聚合。   在scala.sys.package $ .error（package.scala：27）   在......

java.util.concurrent.ThreadPoolExecutor中$ Worker.run（ThreadPoolExecutor.java:624）   在java.lang.Thread.run（Thread.java:748）   在这里输入代码

Answer 1

通过我的探索，我有两个解决这个问题的方法。

Methed 1：使用SPARK-1893修改源代码，但我不建议这样做。

方法2：为自己制作用户定义的聚合函数（UDAF）。虽然这很麻烦，但它很有效。以下是我的代码，欢迎正确！

class CollectList extends UserDefinedAggregateFunction {

  override def inputSchema: StructType = StructType(StructField("id", StringType, nullable = true) :: StructField("state", StringType, nullable = true):: Nil)

  override def bufferSchema: StructType = StructType(StructField("ids", ArrayType(StringType, containsNull = true), nullable = true) :: Nil)

  override def dataType: ArrayType = ArrayType(StringType, containsNull = true)

  override def deterministic: Boolean = false

  override def initialize(buffer: MutableAggregationBuffer): Unit = {
    buffer(0) = null
  }

  override def update(buffer: MutableAggregationBuffer, input: Row): Unit = {
    if (buffer.get(0) == null){
      buffer(0) = Array(input.getString(0) + "_" + input.getString(1))
    }
    else {
      val s = input.getString(0) + "_" + input.getString(1)
      val b = buffer.getAs[Seq[String]](0)
      buffer(0) = b :+ s
    }

  }

  override def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = {
    if (buffer1.getAs[Seq[String]](0) == null){
      buffer1(0) = buffer2.getAs[Seq[String]](0).distinct
    }
    else {
      buffer1(0) = (buffer1.getAs[Seq[String]](0) ++ buffer2.getAs[Seq[String]](0)).distinct
    }
  }

  override def evaluate(buffer: Row): Any = buffer.getAs[Seq[String]](0)

}

结构化蒸汽组通过agg collect_list收集不能用于部分聚合

1 个答案: