pyspark 中 UDF 的返回类型无效

Question

我在 pyspark 中遇到一个奇怪的问题，我想定义和使用 UDF。我总是收到此错误：

类型错误：返回类型无效：返回类型应为 DataType 或 str，但为 <'pyspark.sql.types.IntegerType'>

我的代码其实很简单：

from pyspark.sql import SparkSession
from pyspark.sql.types import IntegerType

def square(x):
    return 2

def _process():
    spark = SparkSession.builder.master("local").appName('process').getOrCreate()
    spark_udf = udf(square,IntegerType)

问题可能出在 IntegerType 上，但我不知道出了什么问题。我正在使用Python version 3.5.3和spark version 2.4.1

Answer 1

由于您直接使用IntegerType而不调用它会导致问题

def _process():
    spark = SparkSession.builder.master("local").appName('process').getOrCreate()
    spark_udf = udf(square,IntegerType())

尝试调用该类型IntegerType()，它应该可以正常工作。