scala - 如何在 Spark 窗口函数中使用 orderby() 降序排列？

Question

我需要一个窗口函数，该函数按某些键(=列名称)进行分区，按另一个列名称进行排序并返回排名前 x 的行。

这对于升序来说效果很好:

def getTopX(df: DataFrame, top_x: String, top_key: String, top_value:String): DataFrame ={
    val top_keys: List[String] = top_key.split(", ").map(_.trim).toList
    val w = Window.partitionBy(top_keys(1),top_keys.drop(1):_*)
       .orderBy(top_value)
    val rankCondition = "rn < "+top_x.toString
    val dfTop = df.withColumn("rn",row_number().over(w))
      .where(rankCondition).drop("rn")
  return dfTop
}

但是当我尝试将其更改为第 4 行中的 orderBy(desc(top_value)) 或 orderBy(top_value.desc) 时，出现语法错误。这里正确的语法是什么？

Answer 1

有两个版本的 orderBy，一种适用于字符串，另一种适用于 Column 对象 ( API )。您的代码使用第一个版本，该版本不允许更改排序顺序。您需要切换到列版本，然后调用 desc 方法，例如 myCol.desc。

现在，我们进入 API 设计领域。传递Column参数的优点是你有更多的灵 active ，例如，你可以使用表达式等。如果你想维护一个接受字符串而不是的API Column，需要将字符串转换为列。有多种方法可以做到这一点，最简单的方法是使用 org.apache.spark.sql.functions.col(myColName)。

把它们放在一起，我们得到

.orderBy(org.apache.spark.sql.functions.col(top_value).desc)