Question

我正在构建一个Spark UDAF，将中间数据存储在fastutils映射中。模式如下：

def bufferSchema = new StructType().add("my_map_col", MapType(StringType, IntegerType))

我初始化没有问题：

def initialize(buffer: MutableAggregationBuffer) = {
   buffer(0) = new Object2IntOpenHashMap[String]()
}

当我尝试更新时出现问题：

def update(buffer: MutableAggregationBuffer, input: Row) = { 
  val myMap = buffer.getAs[Object2IntOpenHashMap[String]](0)
  myMap.put(input.getAs[String](0), 1)
  buffer(0) = myMap
}

出现以下错误：

Caused by: java.lang.ClassCastException: scala.collection.immutable.Map$EmptyMap$ cannot be cast to it.unimi.dsi.fastutil.objects.Object2IntOpenHashMap

有什么办法可以使我工作？

Answer 1

有什么办法可以使我工作？

不是。

buffer.getAs[Object2IntOpenHashMap[String]](0)

等同于

buffer.get(0).asInstanceOf[Object2IntOpenHashMap[String]]]

和the external type for MapType is scala.collection.Map。

实际上，无论如何，这都是死胡同-UserDefinedAggregate函数make full copy of data on each call。 Aggregator可能会带来更好的运气（如链接的问题所示）。

如何在Spark UDAF中实现fastutils映射？

1 个答案: