apache-spark - 如何在Spark SQL中为表添加增量列ID

Question

我正在研究Spark mllib算法。我拥有的数据集是这种形式

公司”:“XXXX”，“CurrentTitle”:“XYZ”，“Edu_Title”:“ABC”，“Exp_mnth”:。(还有更多与之相似的值)

我试图将字符串值原始编码为数字值。因此，我尝试使用zipwithuniqueID作为每个字符串值的唯一值。由于某种原因，我无法将修改后的数据集保存到磁盘上。我可以使用spark SQL以任何方式执行此操作吗？或哪种更好的方法呢？

Answer 1

Scala

val dataFrame1 = dataFrame0.withColumn("index",monotonically_increasing_id())

Java

 Import org.apache.spark.sql.functions;
Dataset<Row> dataFrame1 = dataFrame0.withColumn("index",functions.monotonically_increasing_id());