[SparkSQL] 列转行lateral view explode函数和FlatMap算子两种方式实现炸裂

[SparkSQL] 列转行lateral view explode函数和FlatMap算子两种方式实现炸裂

我用了两种方法实现列转行，说一下我平时使用SparkSQL的习惯，我通常
1）是先读取HDFS中的文件，包括txt、parquet等格式
2）然后通过createOrReplaceTempView 方法创建临时表格
3）之后写sql直接处理
相关代码可以参考我写的另一篇文章：

一、开发环境

spark-2.1.0-bin-hadoop2.6

二、纯SQL实现列转行

1、因为我在项目中的需求是同时将两个Array字段展开，所以在这里举的例子是同时处理两个字段的情况。
2、要提醒的是，同时展开多个字段会造成数据膨胀严重，计算时会消耗大量的资源，需要根据实际情况进行考虑，选择比较合适的方法。
3、语法：使用lateral view explode 函数进行列转行，新字段的别名，不能和以前的字段名相同。

sparkSession.sql(
  s"""
    |select
    |    user_id,
    |    hobby,
    |    skill
    |from t1
    |lateral view explode(hobbies) tempcol as hobby
    |lateral view explode(skills) tempcol as skill
  """.stripMargin
  )

三、使用DataFrame、Rdd格式数据，通过FlatMap算子实现列转行

/**
  * 自定义函数，在flatMap算子中调用，将Array类型数据遍历，并合其他字段进行拼接，返回Seq序列
  * 同时实现两列的列转行
  */
def splitCate(user_id: String,hobbies: Seq[String], skills: Seq[String]):Seq[Row] = {
  val hobbieList = hobbies.toString().split(",")
  val skillList = skills.toString().split(",")
  var resSeq = Seq[Row]()
  
  //如果不为空null或是空，进行遍历，拼接Row类型的序列。由于同时处理两个字段的列转行，
  //所以在判断一个字段是否为空或为null的同时，嵌套判断另一个字段是否为空或为null
  if(hobbieList!=null || !hobbieList.isEmpty){
    for (h <- hobbieList) {
      if(skillList != null || !skillList.isEmpty){
        for(s <- skillList){
          resSeq = resSeq :+ Row(user_id,  h, s)
        }
      }else{
        resSeq = resSeq :+ Row(user_id, h,null)
      }
    }
  }else{
      if(skillList != null || !skillList.isEmpty){
        for(s <- skillList){
          resSeq = resSeq :+ Row(user_id, null,s)
        }
      }else{
        resSeq = resSeq :+ Row(user_id,null,null)
      }
  }
  resSeq
}

//getAs[]() 中数据类型必须和获取到的字段的数据类型保持一致
val flatMapRdd = leftJoinDF.rdd.repartition(200).flatMap(row => {
      val user_id = row.getAs[String]("user_id")
      val hobbies = row.getAs[Seq[String]]("cate")
      val skills = row.getAs[Seq[String]]("sub_cate")
    
      splitCate(user_id, hobbies,skills)
    })
    
    //创建schema，用于列转行之后的Rdd转化为DataFrame
    val schema = StructType(List(
      StructField("user_id", StringType, nullable = false),
      StructField("hobby", StringType, nullable = true),
      StructField("skill", StringType, nullable = true),
    )
    )
    val flatMapDF = sparkSession.createDataFrame(flatMapRdd, schema)