1.创建与使用udf

udf有两种使用方法，一是通过sparkSession注册，在sql中直接使用；二是在dataset中通过Column使用。

udf用法一：注册（在sql中使用）

• java:

      import org.apache.spark.sql.api.java.UDF1;
      import org.apache.spark.sql.types.DataTypes;
      sparkSession.udf().register("split", new UDF1<String, String[]>() {
        public String[] call(String s) throws Exception {
          return s.split(",");
        }
      }, DataTypes.createArrayType(DataTypes.StringType));
      //sparkSession.udf().register("split", (String value) -> value.split(","),DataTypes.createArrayType(DataTypes.StringType));
  

• scala:

      spark.udf.register("split", (value: String) => {
        value.split(",")
      })
  

udf用法二：方法调用

• java:

  spark >= 2.3

      import static org.apache.spark.sql.functions.*;
      import org.apache.spark.sql.expressions.UserDefinedFunction;
      UserDefinedFunction mode = udf(
        (Seq<String> ss) -> ss.headOption(), DataTypes.StringType
      );
      df.select(mode.apply(col("vs"))).show();
  
  

  spark < 2.3

      UDF1 mode = new UDF1<Seq<String>, String>() {
      public String call(final Seq<String> types) throws Exception {
          return types.headOption();
        }
      };
      sparkSession.udf().register("mode", mode, DataTypes.StringType);
      df.select(callUDF("mode", col("vs"))).show();
      df.selectExpr("mode(vs)").show();
      
  

• scala:

      import org.apache.spark.sql.functions._
      val test_split = udf((value:String)=> value.split(","))
      ds.withColumn("test_split",test_split($"column"))
  

2.String* 参数传入数组

使用scala时，dataset的select和drop等方法中有要传入String*可变参数类型的，但如果只有数组形式，转换方法如下：
dataset.drop(columns: _*) 或 dataset.select(columns.map(col(_)): _*)