scala – 将Spark DataSet行值映射到新的哈希列
发布时间:2020-12-16 18:19:18 所属栏目:安全 来源:网络整理
导读:将以下DataSet值指定为inputData: column0 column1 column2 column3A 88 text 99Z 12 test 200T 120 foo 12 在Spark中,什么是计算新哈希列的有效方法,并将其附加到新的DataSet hashedData,其中哈希定义为MurmurHash3在inputData的每个行值上的应用. 具体来
将以下DataSet值指定为inputData:
column0 column1 column2 column3 A 88 text 99 Z 12 test 200 T 120 foo 12 在Spark中,什么是计算新哈希列的有效方法,并将其附加到新的DataSet hashedData,其中哈希定义为MurmurHash3在inputData的每个行值上的应用. 具体来说,hashedData为: column0 column1 column2 column3 hash A 88 text 99 MurmurHash3.arrayHash(Array("A",88,"text",99)) Z 12 test 200 MurmurHash3.arrayHash(Array("Z",12,"test",200)) T 120 foo 12 MurmurHash3.arrayHash(Array("T",120,"foo",12)) 如果需要更多细节,请告诉我. 任何帮助表示赞赏.谢谢! 解决方法
一种方法是使用withColumn函数:
import org.apache.spark.sql.functions.hash dataset.withColumn("hash",hash(dataset.columns.map(col):_*)) (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |