如何在sparksql聚合中添加三个整数列

chhqkbe1 于 2021-05-29 发布在 Hadoop

关注(0)|答案(1)|浏览(371)

我遇到的一个问题是sparksql聚合。我有一个从apachephoenix加载记录的Dataframe。

val df = sqlContext.phoenixTableAsDataFrame(
  Metadata.tables(A.Test), Seq("ID", "date", "col1", "col2","col3"),
  predicate = Some("\"date\" = " + date), zkUrl = Some(zkURL))

在另一个Dataframe中，我需要基于id和date进行聚合，然后求col1、col2、col3的和，即。

val df1 = df.groupBy($"ID", $"date").agg(
  sum($"col1" + $"col2" + $"col3").alias("col4"))

但是我在求和的时候得到了错误的结果。如何求所有列（col1、col2、col3）的和并将其赋给col4？
例子：
假设数据如下：

ID,date,col1,col2,col3
1,2017-01-01,5,10,12
2,2017-01-01,6,9,17
3,2017-01-01,2,3,7
4,2017-01-01,5,11,13

预期产量：

ID,date,col4 
1,2017-01-01,27
2,2017-01-01,32
3,2017-01-01,12
4,2017-01-01,29

hadoop Hive phoenix apache-spark apache-spark-sql

来源：https://stackoverflow.com/questions/48781090/how-to-add-three-column-which-are-integer-in-spark-sql-aggregation

1条答案

按热度按时间

jvidinwx1#

我使用以下代码得到正确的结果：

import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{DataFrame, Row}
import org.apache.spark.sql.functions.{col, sum}
import org.apache.spark.sql.types.{IntegerType,  StructField, StructType}

  val rowsRdd: RDD[Row] = spark.sparkContext.parallelize(
    Seq(
      Row(1, 1, 5, 10, 12 ),
      Row(2, 1, 6, 9,  17 ),
      Row(3, 1, 2, 3,  7),
      Row(4, 1, 5, 11, 13)

    )
  )

  val schema: StructType = new StructType()
    .add(StructField("id",    IntegerType,  false))
    .add(StructField("date",  IntegerType, false))
    .add(StructField("col1",  IntegerType, false))
    .add(StructField("col2",  IntegerType, false))
    .add(StructField("col3",  IntegerType, false))
  val df0: DataFrame = spark.createDataFrame(rowsRdd, schema)

  val df = df0.groupBy(col("id"), col("date")).agg(sum(col("col1") + col("col2") + col("col3")).alias("col4")).sort("id")

  df.show()

结果是：

+---+----+----+
| id|date|col4|
+---+----+----+
|  1|   1|  27|
|  2|   1|  32|
|  3|   1|  12|
|  4|   1|  29|
+---+----+----+

这是你需要的吗？

赞(0）回复(0）举报 2021-05-29

我来回答

如何在sparksql聚合中添加三个整数列

1条答案

相关问题

热门标签

最新问答