scala - 如何在 Spark UDAF 中实现 fastutils 映射？

Question

我正在构建一个 Spark UDAF，我将中间数据存储在一个 fastutils 映射中。架构如下所示：

def bufferSchema = new StructType().add("my_map_col", MapType(StringType, IntegerType))

我初始化没有问题：

def initialize(buffer: MutableAggregationBuffer) = {
   buffer(0) = new Object2IntOpenHashMap[String]()
}

当我尝试更新时出现问题：

def update(buffer: MutableAggregationBuffer, input: Row) = { 
  val myMap = buffer.getAs[Object2IntOpenHashMap[String]](0)
  myMap.put(input.getAs[String](0), 1)
  buffer(0) = myMap
}

收到以下错误：

Caused by: java.lang.ClassCastException: scala.collection.immutable.Map$EmptyMap$ cannot be cast to it.unimi.dsi.fastutil.objects.Object2IntOpenHashMap

有什么办法可以使这项工作？

Answer 1

有什么办法可以使这项工作？

并不真地。这个

buffer.getAs[Object2IntOpenHashMap[String]](0)

相当于

buffer.get(0).asInstanceOf[Object2IntOpenHashMap[String]]]

外部MapType类型scala.collection.Map为.

在实践中，无论如何它都是一个死胡同——UserDefinedAggregate函数在每次调用时都会对数据进行完整的复制。你可能会有更好的运气Aggregator（如链接的问题）。