在Spark SQL中更改Null顺序

Question

我需要能够以升序和降序对列进行排序，并且还必须允许null为第一个或null为最后一个。使用RDD，我可以将sortByKey方法与自定义比较器一起使用。我想知道是否有使用Dataset API的相应方法。我知道如何将desc / asc添加到列中，但是我对null排序没有任何了解。

Answer 1

您也可以使用数据集API：

scala>     val df = Seq("a", "b", null).toDF("x")
df: org.apache.spark.sql.DataFrame = [x: string]

scala> df.select('*).orderBy('x.asc_nulls_last).show
+----+
|   x|
+----+
|   a|
|   b|
|null|
+----+


scala> df.select('*).orderBy('x.asc_nulls_first).show
+----+
|   x|
+----+
|null|
|   a|
|   b|
+----+

desc_nulls_last和和都可以使用desc_nulls_first。

Answer 2

正如 Oleksandr 提到的，有一个拉取请求。现在您可以选择使用“首先为空”或“最后为空”

scala> spark.sql("select * from spark_10747 order by col3 nulls last").show
+----+----+----+
|col1|col2|col3|
+----+----+----+
|   6|   7|   4|
|   6|  11|   4|
|   6|  15|   8|
|   6|  15|   8|
|   6|   7|   8|
|   6|  12|  10|
|   6|   9|  10|
|   6|  13|null|
|   6|  10|null|
+----+----+----+