如何将字符串添加到 spark 数据集中的字符串数组列

Question

我有一个 "Dataset(Row)" 如下

+-----+--------------+
|val  |  history     |
+-----+--------------+
|500  |[a=456, a=500]|
|800  |[a=456, a=500]|
|784  |[a=456, a=500]|
+-----+--------------+

这里的 val 是 "String"，history 是一个 "string array"。我正在尝试将 val 列中的内容添加到历史列中，以便我的数据集看起来像：

+-----+---------------------+
|val  |  history            |
+-----+---------------------+
|500  |[a=456, b=500, c=500]|
|800  |[a=456, b=500, c=800]|
|784  |[a=456, b=500, c=784]|
+-----+---------------------+

此处 讨论了类似的问题，但我不了解 scala，无法创建类似的 java 解决方案。

请帮助我在 java

中实现这一目标

Answer 1

我编写了一个解决方案，但不确定是否可以进一步优化它

    dataset.map(row -> {
        Seq<String> seq = row.getAs("history");
        ArrayList<String> list = new ArrayList<>(JavaConversions.seqAsJavaList(seq));
        list.add("c="+row.getAs("val"));

        return RowFactory.create(row.getAs("val"),list.toArray(new String[0]));},schema);

Answer 2

在 Spark 2.4（不是之前的版本）中，您可以使用 concat 函数连接两个数组。在您的情况下，您可以执行以下操作：

df.withColumn("val2", concat(lit("c="), col("val")))
  .select(concat(col("history"), array(col("val2")));

注意：我第一次使用 concat 是连接字符串，第二次是连接数组。 array(col("val2")) 创建一个只有一个元素的数组。