Spark数据帧中的结构体数组解析

Question

我有一个带有一个结构类型列的数据框。示例数据框架构是：

root
 |-- Data: array (nullable = true)
 |    |-- element: struct (containsNull = true)
 |    |    |-- name: string (nullable = true)
 |    |    |-- value: string (nullable = true)

字段name保存列名，字段value保存列值。列中的元素数量Data未定义，因此可能会有所不同。我需要解析该数据并摆脱嵌套结构。（在这种情况下数组Explode将不起作用，因为一行中的数据属于一个元素）。真正的模式要大得多，并且具有多个数组字段（例如“数据”），因此我的目标是创建一个通用解决方案，我将将该解决方案应用于类似的结构数组。例子：

样本数据：

val data = Seq(
    """{"Data": [{ "name": "FName", "value": "Alex" }, { "name": "LName",   "value": "Strong"  }]}""",
    """{"Data": [{ "name": "FName", "value": "Robert " }, { "name": "MName",   "value": "Nesta "  }]} { "name": "LName",   "value": "Marley"  }]}"""
)
val df = spark.read.json(spark.sparkContext.parallelize(data))

预期结果：

+-------+------+
|  FName| LName|
+-------+------+
|   Alex|Strong|
|Robert |Marley|
+-------+------+
 

作为解决方案，我创建了一个在整个列上执行的 UDF Data。作为输入参数，我传递列名和我想要提取的字段名。

 val find_scheme_name_in_array = udf { (arr: Seq[Row], columnName: String) => {
    var value = ""
    arr.foreach(el =>
        if(el.getAs[String]("name") == columnName){
            value = el.getAs[String]("value")
        }
    )
    value
}}

问题是我使用变量value来存储中间结果，并且我不想为将执行 UDF 的每一行创建一个新的变量。

我执行 UDF 的方式（该查询生成预期结果）：

df.select(find_scheme_name_in_array(col("Data"), lit("FName")).as("FName"),find_scheme_name_in_array(col("Data"), lit("LName")).as("LName")).show()

我很高兴听到有关如何改进 UDF 逻辑以及解决解析问题的一些不同方法的任何评论。

Answer 1

foreach我通过用方法替换循环解决了这个问题find：

val find_scheme_name_in_array = udf { (arr: Seq[Row], columnName: String) =>
    arr.find(_.getAs[String]("name") == columnName) match {
        case Some(i) => i.getAs[String]("value")
        case None => null
    }
}