使用spark SQL中的相同名称替换带有calcutated列的列-Java 学习之路

我从我的datalake读取文件并将它们加载到数据框中由于kafka（here）中的强制转换问题，加载的数据有一些与源数据库中的类型不同的字段

因此，我使用错误的数据类型（bunary）从S3加载数据，并使用UDF函数将每个列转换为另一列

然后，我重命名新列以替换olders，以在源数据库和目标数据库中保持相同的结构

脚步：

之前：

myTable
|
+-- myField1 (binary)
+-- myField2 (binary)
+-- myField3 (binary)

中间状态1（使用UDF功能）：

myTable
|
+-- myField1 (binary)
+-- myField1_new (numeric)
+-- myField2 (binary)
+-- myField2_new (numeric)
+-- myField3 (binary)
+-- myField3_new (numeric)

中间国家2（下降旧栏目）：

myTable
|
+-- myField1_new (numeric)
+-- myField2_new (numeric)
+-- myField3_new (numeric)

最终状态（重命名计算列）：

myTable
|
+-- myField1 (numeric)
+-- myField1 (numeric)
+-- myField1 (numeric)

这是我使用的语法：

spark.sql('select *,
            MyUDF(myfield1) myfield1_new,
            MyUDF(myfield2) myfield2_new,
            MyUDF(myfield3) myfield3_new
            from my_table')
.drop('myfield1').withColumnRenamed('myfield1_new', 'myfield1')
.drop('myfield2').withColumnRenamed('myfield2_new', 'myfield2')
.drop('myfield3').withColumnRenamed('myfield3_new', 'myfield3')
.show(1, False)

我的问题是这个过程真的很慢，因为在真实的生产环境表中要计算439个字段（439 !!!）

有没有办法更快地完成它？在飞行中重命名还是其他什么？

谢谢你的帮助

1 回答

我看到了这个问题的previous主题 .

扩展那个，假设你有 df 为

+--------------------+
|             myfield|
+--------------------+
|[00, 8F, 2B, 9C, 80]|
|    [52, F4, 92, 80]|
+--------------------+

EDIT ：由于列 myfield 的格式为 bytearray(b'\x00') ，转换方式如下（由@Ftagn指出） . 否则，如果是字符串列表，请使用 commented return .

def func(val):
    return int.from_bytes(val, byteorder='big', signed=False) / 1000000
    # return int("".join(val), 16)/1000000
func_udf = udf(lambda x: func(x), FloatType())

并创建输出，使用

df = df.withColumn("myfield1", func_udf("myfield"))

这会产生，

+--------------------+--------+
|             myfield|myfield1|
+--------------------+--------+
|[00, 8F, 2B, 9C, 80]|  2402.0|
|    [52, F4, 92, 80]| 1391.76|
+--------------------+--------+

相反，如果你使用，

df = df.withColumn("myfield", func_udf("myfield"))

你得到，

+-------+
|myfield|
+-------+
| 2402.0|
|1391.76|
+-------+

回复于 2024-04-26T21:53:43+08:00

使用spark SQL中的相同名称替换带有calcutated列的列

1 回答

相关问题