Spark UDF 空处理

Question

我正在努力处理 UDF 中的空值，该 UDF 对由浮点结构组成的数据帧（源自配置单元表）进行操作：

数据框 (

points

) 具有以下架构：

root
 |-- point: struct (nullable = true)
 |    |-- x: float (nullable = true)
 |    |-- y: float (nullable = true)

比如我想计算x和y的和。请注意，在以下示例中我不会“处理”空值，但我希望能够在我的 udf 中检查

point

、

x

或

y

是否为

null

。

第一种方法：

val sum = udf((x:Float,y:Float) => x+y)

points.withColumn("sum",sum($"point.x",$"point.y"))

如果

struct

点是

null

，则此方法不起作用，在这种情况下，永远不会评估 udf（永远不会执行 udf 中的代码！），结果为 null。另外，我无法检查

x

或

y

是否为空，因为

Floats

在 scala 中不能为空。

第二种方法：

val sum = udf((pt:Row) => pt.getFloat(0)+pt.getFloat(1))
points.withColumn("sum",sum($"point"))

这种方法，我可以在我的udf中检查

pt

是否为空，但我无法检查

x

和

y

，因为

Floats

不能为空。在这种情况下我得到了

NullPointerException

。

如何编写一个 udf win 来检查结构以及 x 和 y 是否为空？

我使用的是spark 1.6.1

更新： 与这个问题相反，我正在处理浮点数而不是字符串（在scala中字符串可以为空，浮点数则不能）

Answer 1

您可以使用

Row.isNullAt(i)

检查第

i

字段是否为空。在你的情况下，你应该将你的 udf 写为，

sum = udf((point: Row) => point.match {
  case p if (p.isNullAt(0) && p.isNullAt(0)) => 0f
  case p if p.isNullAt(0) => p.getFloat(1)
  case p if p.isNullAt(1) => p.getFloat(0)
  case p => p.getFloat(0) + p.getFloat(1)
})