在Holden Karau和Rachel Warren的High Performance Spark: Best Practices for Scaling and Optimizing Apache Spark中说（第259页）：
窗口操作使您可以计算最近K批数据中的数据，这对于移动平均值或卡尔曼滤波器之类的操作非常方便
提醒一下，卡尔曼（Kalman）是一种顺序处理，用于根据先前的数据过滤一组数据。 在查看了UDAF的行为后，由于没有排序的概念（合并方法无顺序地合并结果），似乎并没有对其进行调整。
因此，如果UDAF不适合卡尔曼和加窗，如何在窗口内计算卡尔曼滤波器？ 有这样的窗口使用示例吗？
答案 0 :(得分：0)
请注意，引号专门讨论 Window操作，因此您的假设
merge方法无顺序地合并结果
不一定成立。如果窗口函数与ORDER BY子句一起应用，即
F(...) OVER (ORDER BY ... [<ROW or RANGE clause>])
或
F(...) OVER (PARTITION BY ... [<ROW or RANGE clause>])
显式顺序由表达式的上下文定义，并且合并以明确定义的方式调用。
由于副作用，与OVER一起使用的聚合函数是顺序的（在前一种情况下是全局的，在后一种情况下是通过分区的），因此merge永远不会被调用。