如何在SparkSQL中实现相似条件

Question

如何编写SQL语句来达到以下目的:

SELECT * FROM table t WHERE t.a LIKE '%'||t.b||'%';

谢谢。

Answer 1

spark.sql.Column提供了like方法，但就目前(Spark 1.6.0/2.0.0)而言，它只适用于字符串字面值。仍然可以使用原始SQL:

import org.apache.spark.sql.hive.HiveContext
val sqlContext = new HiveContext(sc) // Make sure you use HiveContext
import sqlContext.implicits._ // Optional, just to be able to use toDF
val df = Seq(("foo", "bar"), ("foobar", "foo"), ("foobar", "bar")).toDF("a", "b")
df.registerTempTable("df")
sqlContext.sql("SELECT * FROM df  WHERE a LIKE CONCAT('%', b, '%')")
// +------+---+
// |     a|  b|
// +------+---+
// |foobar|foo|
// |foobar|bar|
// +------+---+

或expr/selectExpr:

df.selectExpr("a like CONCAT('%', b, '%')")

在Spark 1.5中，它将需要HiveContext。如果由于某些原因Hive上下文不是一个选项，你可以使用自定义udf:

import org.apache.spark.sql.functions.udf
val simple_like = udf((s: String, p: String) => s.contains(p))
df.where(simple_like($"a", $"b"))
val regex_like = udf((s: String, p: String) =>
  new scala.util.matching.Regex(p).findFirstIn(s).nonEmpty)
df.where(regex_like($"a", $"b"))