Изменить столбец в кадре данных Spark на основе определенных условий.

Question

Я хочу преобразовать clientIPInt (в формате Int, да!) В отдельный столбец после применения к нему определенных формул.

Sample Input: df_A
    +----+------------------------+
    |num |clientIPInt             |
    +----+------------------------+
    |1275|200272593               |
    |145 |200172593               |
    |2678|200274543               |
    |6578|200272593               |
    |1001|200272593               |
    +----+------------------------+
Output:

+----+------------------------++---------------+
|num |clientIPInt             |ip64bigint      |
+----+------------------------+----------------+
|1275|200272593               |3521834763      |
|145 |0                       |0               |
|2678|200272593               |3521834763      |
|6578|200272593               |3521834763      |
|1001|200272593               |3521834763      |         
+----+------------------------+----------------+

Я создал udf для выполнения преобразования.Ниже я попробовал.

val b = df_A.withColumn("ip64bigint", ipToLong(df_A.col("clientIpInt")))
val ipToLong = udf{(ipInt: Int) =>
    val i = {
      if (ipInt <= 0) ipInt.toLong + 4294967296L
      else ipInt.toLong
    }
    val b = ((i & 255L) * 16777216L) + ((i & 65280L) * 256L) + ((i & 16711680L) / 256L) + ((i / 16777216L) & 255L)
    b
  }

Однако этот udf не так эффективен.

Далее я попытался использовать функцию столбца, но приведенный ниже код не работает

val d = df_A.withColumn("ip64bigint", newCol($"clientIpInt"))
def newCol(col: Column): Column = {
    when(col <= 0, ((((col.toLong + + 4294967296L) & 255L) * 16777216L) + (((col.toLong + + 4294967296L) & 65280L) * 256L) + (((col.toLong + + 4294967296L) & 16711680L) / 256L) + (((col.toLong + + 4294967296L) / 16777216L) & 255L))).
      otherwise(((col & 255L) * 16777216L) + ((col & 65280L) * 256L) + ((col & 16711680L) / 256L) + ((col / 16777216L) & 255L))
  }

Я действительно не хочу преобразовывать фрейм данных df_A в набор данных [класс столбцов], так как у меня в фрейме данных более 140 столбцов ..

Есть идеи, что я делаю не так?функция столбца или любой другой способ преобразования данных

Answer 1

Ниже приведено одно работающее решение:

пример dataframe =>

import org.apache.spark.sql.Row
import org.apache.spark.sql.types._
val data =
  Seq(
    Row(1275, 200272593),
    Row(145, 0),
    Row(2678, 200274543),
    Row(6578, 200272593),
    Row(1001, 200272593))

val dF = spark.createDataFrame(spark.sparkContext.parallelize(data),
  StructType(List(StructField("num", IntegerType, nullable = true),
    StructField("clientIPInt", IntegerType, nullable = true))))

+----+-----------+
| num|clientIPInt|
+----+-----------+
|1275|  200272593|
| 145|          0|
|2678|  200274543|
|6578|  200272593|
|1001|  200272593|
+----+-----------+

с использованием функций с поддержкой искры =>

import spark.implicits._
import org.apache.spark.sql.functions._
dF.withColumn("i", when('clientIPInt <= 0, ('clientIPInt cast "long") + 4294967296L).otherwise('clientIPInt cast "long"))
    .withColumn("ip64bigint", (('i.bitwiseAND(255L) * 16777216L) + ('i.bitwiseAND(65280L) * 256L) + ('i.bitwiseAND(16711680L) / 256L) + ('i / 16777216L).cast("long").bitwiseAND(255L)) cast "long")
       .drop("i").show(false)

Output =>

+----+-----------+----------+
|num |clientIPInt|ip64bigint|
+----+-----------+----------+
|1275|200272593  |3521834763|
|145 |0          |0         |
|2678|200274543  |1878191883|
|6578|200272593  |3521834763|
|1001|200272593  |3521834763|
+----+-----------+----------+