火花UDF零处理

Question

我正在处理UDF中的空值，该UDF在数据帧（源自配置单元表）上运行，该数据帧由浮点数结构组成：

数据帧（点）具有以下架构：

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

例如，我想计算x和y的总和。请注意，我不会在以下示例中“处理”空值，但我希望能够在我的udf中检查point、x或y是否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＜code＞struct是否为空，因为在scala中＜code＞浮点不能为空。

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，但我可以检查x和y，因为Floats不能为空。在这种情况下，我得到了NullPointerException。

我怎样才能写一个udf win来检查结构以及x和y是否为空？

我用的是spark 1.6.1

更新：与这个问题相反，我处理的是浮点数而不是字符串（字符串在scala中可以为空，浮点数不能）

Answer 1

您可以使用＜code＞行。isNullAt（i）检查ith字段是否为空。在您的情况下，您应该将udf编写为，

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)
})