正如问题中所指定的，我正在尝试为 RDD 的每一行生成一个哈希值。出于我的目的，我不能使用zipWithUniqueId()方法，对于 RDD 的每一行，我需要所有列的一个哈希值。
for row in DataFrame.collect():
return hashlib.sha1(str(row))
我知道这是最糟糕的方式，迭代到 rdd，但我是 pyspark 的初学者。然而问题是：我为每一行获得相同的哈希值。我尝试使用强抗碰撞散列函数，但它太慢了。有没有办法解决这个问题？提前致谢 ：）