相关疑难解决方法(0)

比方说,我的团队选择Python作为Spark开发的参考语言.但是后来由于性能原因,我们希望开发特定的Scala或Java特定的库,以便使用我们的Python代码(类似于使用Scala或Java骨架的Python存根)进行映射.

难道您不认为是否可以将新的自定义Python方法与一些Scala或Java用户定义函数联系起来？

我希望能够将Scala函数用作PySpark中的UDF

package com.test

object ScalaPySparkUDFs extends Serializable {
    def testFunction1(x: Int): Int = { x * 2 }
    def testUDFFunction1 = udf { x: Int => testFunction1(x) }
} 

我可以testFunction1在PySpark 中访问它并返回值：

functions = sc._jvm.com.test.ScalaPySparkUDFs 
functions.testFunction1(10)

我想要做的就是将此函数用作UDF，最好是在withColumn通话中使用：

row = Row("Value")
numbers = sc.parallelize([1,2,3,4]).map(row).toDF()
numbers.withColumn("Result", testUDFFunction1(numbers['Value']))

我认为这里有一个很有前途的方法： Spark：如何用Scala或Java用户定义函数映射Python？

但是，在对其中的代码进行更改时，可以改为使用testUDFFunction1：

def udf_test(col):
    sc = SparkContext._active_spark_context
    _f = sc._jvm.com.test.ScalaPySparkUDFs.testUDFFunction1.apply
    return Column(_f(_to_seq(sc, [col], _to_java_column)))

我得到：

 AttributeError: 'JavaMember' object has no attribute 'apply' 

我不明白这是因为我相信testUDFFunction1有申请方法吗？

我不想使用在这里找到的类型的表达式：将 UDF从Scala注册到SqlContext，以便在PySpark中使用

任何有关如何使这项工作的建议，将不胜感激！