在Spark 2.x(Scala)中爆炸带有flatmap的Cassandra Udt

Question

我在卡桑德拉(3.11.2(中有数据，这也是我的df：

卡桑德拉的数据：

id | some_data  
-- | ---------  
1  | [{s1:"str11", s2:"str12"},{s1:"str13", s2:"str14"}]
2  | [{s1:"str21", s2:"str22"},{s1:"str23", s2:"str24"}]
3  | [{s1:"str31", s2:"str32"},{s1:"str33", s2:"str44"}]

DF详细信息：

 df.printSchema() 
    //|  |-- id: integer (nullable = true)
    //|  |-- some_data: array (nullable = true)
    //|  |    |-- element: struct (containsNull = true)
    //|  |    |    |-- s1: string (nullable = true)
    //|  |    |    |-- s2: string (nullable = true)

这里的Cassandra模式定义为：

id：字符串
some_data：列表冷冻test_udt创建为 -> 创建类型test.test_udt( S1文本， S2文字 (;

我正在使用Spark-Cassandra-Connector 2.0从Cassandra获取数据以在Spark 2.2.1上处理。

必需的输出

输出是DF

的爆炸形式

id | some_data                                          | s1    | s2  
-- | ---------------------------------------------------| ----- | ---- 
1  | [{s1:"str11", s2:"str12"},{s1:"str13", s2:"str14"}]| str11 | str12
1  | [{s1:"str11", s2:"str12"},{s1:"str13", s2:"str14"}]| str13 | str14 
2  | [{s1:"str21", s2:"str22"},{s1:"str23", s2:"str24"}]| str21 | str22
2  | [{s1:"str21", s2:"str22"},{s1:"str23", s2:"str24"}]| str23 | str24
3  | [{s1:"str31", s2:"str32"},{s1:"str33", s2:"str44"}]| str31 | str32
3  | [{s1:"str31", s2:"str32"},{s1:"str33", s2:"str44"}]| str33 | str34

我过去的方法

我使用了Spark-Cassandra-Connector 1.6，在Spark 1.6上使用了上述问题的整洁解决方案，例如：

import org.apache.spark.sql.functions._    
case class my_data(s1 : String, s2 : String)
val flatData = df.explode(df("some_data")){
            case Row(x : Seq[Row]) =>
                x.map(x =>
                    my_data(
                        x.apply(0).asInstanceOf[String], 
                        x.apply(1).asInstanceOf[String]
                    ))
                  }
flatData.show()

我们升级到2.x后，我会在使用explode函数时遇到错误。火花文件说explode已弃用。建议flatMap作为explode的替代方法。

问题：

1. 如何在Scala中爆炸数据框以获得与以前相同的结果？
2. 如何使用flatmap翻译我的旧代码？

Answer 1

您可以使用 explode函数，该功能也被建议作为explode方法的替代方案。 getItem用于从 struct获取字段。

df.withColumn("exploded" , explode($"some_data"))
  .withColumn("s1" , $"exploded".getItem("s1"))
  .withColumn("s2" , $"exploded".getItem("s2"))
  .drop("exploded")
  .show(false)
//+---+------------------------------+-----+-----+
//|id |some_data                     |s1   |s2   |
//+---+------------------------------+-----+-----+
//|1  |[[str11,str12], [str13,str14]]|str11|str12|
//|1  |[[str11,str12], [str13,str14]]|str13|str14|
//|2  |[[str21,str22], [str23,str24]]|str21|str22|
//|2  |[[str21,str22], [str23,str24]]|str23|str24|
//|3  |[[str31,str32], [str33,str44]]|str31|str32|
//|3  |[[str31,str32], [str33,str44]]|str33|str44|
//+---+------------------------------+-----+-----+