Question

下面是我的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;
}
}

我正在使用此类SparkUdf-1.0-SNAPSHOT.jar

来构建Jar

我在蜂巢中有一个表名作为示例，并且想在Spark Shell上的sql下运行。

> select UDF(name) from sample ;

使用以下命令启动spark-shell。

spark-shell --jars SparkUdf-1.0-SNAPSHOT.jar

谁能说出如何在spark外壳上注册UDF以便在spark sql中使用它？

Answer 1

如果您尝试从 Jupyter Notebook 和 S3 上的 UDF jar 测试 UDF：

第 1 步：将您的 UDF JAR 加载到 Jupyter Notebook：

%%configure -f 
{ 
    "conf": { 
        "spark.jars": "s3://s3-path/your-udf.jar" 
    } 
}

第 2 步：在 pySpark 中注册基于 Scala 的 UDF

spark.udf.registerJavaFunction("myudf", "<udf.package>.<UDFClass>")

第 3 步：从 Spark SQL 调用 UDF

df = 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)

Answer 2

更多搜索后，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();

您将得到结果。

如何在Spark Shell中注册Java SPark UDF？

2 个答案: