以下是我的java udf代码,
package com.udf;
import org.apache.spark.sql.api.java.UDF1;
public class SparkUDF implements UDF1<String, String> {
@Override
public String call(String arg) throws Exception {
if (validateString(arg))
return arg;
return "INVALID";
}
public static boolean validateString(String arg) {
if (arg == null | arg.length() != 11)
return false;
else
return true;
}
}
我正在用SparkUdf-1.0-SNAPSHOT.jar
我在Hive中有一个表名,并想在Spark Shell上的SQL下运行。
> select UDF(name) from sample ;
使用下面的命令开始火花壳。
Spark-shell - Jars Sparkudf-1.0-Snapshot.jar
任何人都可以说,如何在Spark Shell上注册UDF以在Spark SQL中使用它?
在进行更多搜索之后,我得到了答案,
以下是步骤,
spark-shell --jars SparkUdf-1.0-SNAPSHOT.jar
scala> import com.udf.SparkUDF;
scala> import com.udf.SparkUDF;
import org.apache.spark.sql.types.{StructType, StructField, StringType, IntegerType};
scala> spark.udf.register("myfunc", new SparkUDF(),StringType)
scala> val sql1 = """ select myfunc(name) from sample """
scala> spark.sql(sql1).show();
您将获得结果。
如果您想从jupyter笔记本和s3上的udf jar测试UDF:
步骤1:将UDF Jar加载到Jupyter笔记本:
%%configure -f
{
"conf": {
"spark.jars": "s3://s3-path/your-udf.jar"
}
}
步骤2:在PySpark中注册基于Scala的UDF
spark.udf.registerJavaFunction("myudf", "<udf.package>.<UDFClass>")
步骤3:从Spark SQL
调用UDFdf = spark.read.parquet("s3://s3-path-to-test-data/ts_date=2021-04-27")
df.createOrReplaceTempView('stable')
spark.sql("select *, myudf(arg1,arg2) as result from stable ").show(5,False)