spark.sql中的Array[Struct]类型查询_sparksql struct

LATERAL VIEW介绍

语法格式：
LATERAL VIEW [ OUTER ] generator_function ( expression [ , ... ] ) [ table_alias ] AS column_alias [ , ... ]
假设我们已经有如下表： 
pageid col1 col2
front_page [1, 2, 3] [“a”, “b”, “c”]
contact_page [3, 4, 5] [“d”, “e”, “f”] 
单个Lateral View语句 
select pageid, col1_new, col2 from pageAds lateral view explode(col1) adTable as col1_new;
+--------------+------------+---------------+
| pageid       | col1_new   | col2          |
+--------------+------------+---------------+
| front_page   | 1          | ["a","b","c"] |
| front_page   | 2          | ["a","b","c"] |
| front_page   | 3          | ["a","b","c"] |
| contact_page | 3          | ["d","e","f"] |
| contact_page | 4          | ["d","e","f"] |
| contact_page | 5          | ["d","e","f"] |
+--------------+------------+---------------+
拆分col1并执行聚合统计。 
select col1_new, count(1) as count from pageAds lateral view explode(col1) adTable as col1_new group by col1_new;
+------------+------------+
| col1_new   | count      |
+------------+------------+
| 1          | 1          |
| 2          | 1          |
| 3          | 2          |
| 4          | 1          |
| 5          | 1          |
+------------+------------+
多个Lateral View语句 
select pageid,mycol1, mycol2 from pageAds 
    lateral view explode(col1) myTable1 as mycol1 
    lateral view explode(col2) myTable2 as mycol2;
+--------------+----------+----------+
| pageid       | mycol1   | mycol2   |
+--------------+----------+----------+
| front_page   | 1        | a        |
| front_page   | 1        | b        |
| front_page   | 1        | c        |
| front_page   | 2        | a        |
| front_page   | 2        | b        |
| front_page   | 2        | c        |
| front_page   | 3        | a        |
| front_page   | 3        | b        |
| front_page   | 3        | c        |
| contact_page | 3        | d        |
| contact_page | 3        | e        |
| contact_page | 3        | f        |
| contact_page | 4        | d        |
| contact_page | 4        | e        |
| contact_page | 4        | f        |
| contact_page | 5        | d        |
| contact_page | 5        | e        |
| contact_page | 5        | f        |
+--------------+----------+----------+
对于struct类型可以使用 "."直接取数 
select id,cover.key as k, cover.type as t from tablename lateral view explode(covers) myTable1 as cover where cover.key = 'special'
                    背景我们要查询类似以下结构的数据，但是要筛选出指定key值的数据。解决方案一般方法将数组covers字段进行explode()操作展开，生成一个包含covers中struct类型元素的临时表，然后再将临时表中的struct类型字段的各个字段展开。最终生成一个id，key，type的表。得到这个表时便可以指定key进行查询了。但是这个方法需要进行三步，非常麻烦。使用LATERAL VIEW explode(covers) adTable AS cover可以一步到位。LATERAL VIEW介绍
				赠送jar包：mapstruct-1.1.0.Final.jar；
赠送原API文档：mapstruct-1.1.0.Final-javadoc.jar；
赠送源代码：mapstruct-1.1.0.Final-sources.jar；
赠送Maven依赖信息文件：mapstruct-1.1.0.Final.pom；
包含翻译后的API文档：mapstruct-1.1.0.Final-javadoc-API文档-中文(简体)版.zip；
Maven坐标：org.mapstruct:mapstruct:1.1.0.Final；
标签：mapstruct、中文文档、jar包、java；
使用方法：解压翻译后的API文档，用浏览器打开“index.html”文件，即可纵览文档内容。
人性化翻译，文档中的代码和结构保持不变，注释和说明精准翻译，请放心使用。
				温馨提示：如果使用电脑查看图片不清晰，可以使用手机打开文章单击文中的图片放大查看高清原图。
Fayson的github：
https://github.com/fayson/cdhproject
提示：代码块部分可以左右滑动查看噢
1.文档编写目的
Hive中支持多种数据类型除了常用的TINYINT、SMALLINT、INT、BIGINT、BOOLEAN、FLOAT、DOUBLE、STRING、BINARY、TIMESTAMP、DECIMAL、DATE、VARCHAR、CHAR类型外，当然还包含一些复杂的数据类型（array、map、struct、union）。本篇文章Fayson主要介绍在




    

				赠送jar包：mapstruct-1.3.1.Final.jar；
赠送原API文档：mapstruct-1.3.1.Final-javadoc.jar；
赠送源代码：mapstruct-1.3.1.Final-sources.jar；
赠送Maven依赖信息文件：mapstruct-1.3.1.Final.pom；
包含翻译后的API文档：mapstruct-1.3.1.Final-javadoc-API文档-中文(简体)版.zip；
Maven坐标：org.mapstruct:mapstruct:1.3.1.Final；
标签：mapstruct、jar包、java、中文文档；
使用方法：解压翻译后的API文档，用浏览器打开“index.html”文件，即可纵览文档内容。
人性化翻译，文档中的代码和结构保持不变，注释和说明精准翻译，请放心使用。
机器学习中的分类模型有逻辑回归、朴素贝叶斯、决策树、支持向量机、随机森林、梯度提升树等分类算法，不仅可以进行二分类，还可以进行多分类。
一、逻辑回归
逻辑回归的本质就由线性回归演变而来，是一个线性分类器。sklearn实现的LogisticRegression不仅可用于二分类，也可以用于多分类。
模型训练速度非常快，计算量只与特征的数目有关。
模型的可解释性非常好，从特征的权重可以看到不同特征对最后结果的影响。
内存资源占用小，只需要存储特征权重等信息。
逻辑回归的抗噪能力比较强。
SSE（sum squared error，和方差），其公式为：sse=∑i=1m(yi−y^i)2sse=\sum_{i=1}^m(y_i-\hat y_i)^2sse=i=1∑m(yi−y^i)2其中，yiy_iyi是真实值，y^i\hat y_iy^i表示预测值。
MSE（mean squared error，均方误差），其公式为：mse=1m∑i=1m(yi−y^i)2mse=\frac{1}{m}\sum_{i=1}^m(y_i-\hat y_i)^2mse=m1i
					import org.apache.spark.sql.{SparkSession, Row} import org.apache.spark.sql.types.{StructType, StructField, StringType}  object First_Question {      def main(args: Array[String]): Unit = {      /******************* Begin *******************/        // 创建 SparkSession       // 读取文件，创建 RDD       // 定义 Schema       //  将 RDD 转换为 DataFrame       // 按指定格式打印出数据       // 释放资源       /******************* End *******************/        }  } 
import org.apache.spark.sql.{SparkSession, Row}
import org.apache.spark.sql.types.{StructType, StructField, StringType}
object First_Question {
  def main(args: Array[String]): Unit = {
    /******************* Begin *******************/
    // 创建 SparkSession
    val spark = SparkSession.builder()
      .appName("First_Question")
      .master("local[*]")
      .getOrCreate()
    // 读取文件，创建 RDD
    val fileRDD = spark.sparkContext.textFile("/path/to/file")
    // 定义 Schema
    val schema = StructType(Array(
      StructField("col1", StringType, true),
      StructField("col2", StringType, true),
      StructField("col3", StringType, true)
    // 将 RDD 转换为 DataFrame
    val dataDF = spark.createDataFrame(fileRDD.map(_.split(",")).map(attributes => Row(attributes(0), attributes(1), attributes(2))), schema)
    // 按指定格式打印出数据
    dataDF.show()
    // 释放资源
    spark.stop()
    /******************* End *******************/
需要注意的是，这里的代码仅供参考，具体实现需要根据实际情况进行修改。
            《【FedBCD】A Communication-Efficient Collaborative Learning Framework for Distributed Features》论文阅读
            《PFL》论文阅读笔记
            《NTP-VFL - A New Scheme for Non-3rd Party Vertical Federated Learning》模型原理
pageid	col1	col2
front_page	[1, 2, 3]	[“a”, “b”, “c”]
contact_page	[3, 4, 5]	[“d”, “e”, “f”]