下面是一个示例代码,其中定义了一个名为"formatDate"的UDF函数,该函数接受一个包含日期字段的数组类型作为输入,对日期字段进行格式化,并返回格式化后的数组。
import org.apache.spark.sql.functions.udf
import java.text.SimpleDateFormat
import java.util.Date
val formatDate = udf((dateArray: Seq[Row]) => {
val format = new SimpleDateFormat("yyyy-MM-dd")
val formattedDates = dateArray.map(row => {
val date = new Date(row.getLong(0))
format.format(date)
})
formattedDates
})
val arrayStructDF = Seq(
(1,Seq(Row(1592338800000L))),
(2,Seq(Row(1592338800000L), Row(1592970000000L))),
(3,Seq(Row(1592338800000L), Row(1592970000000L), Row(1592570400000L)))
).toDF("id", "dates")
val formattedDF = arrayStructDF.select($"id", formatDate($"dates").as("formatted_dates"))
formattedDF.show()
输出结果为:
+---+--------------------+
| id| formatted_dates|
+---+--------------------+
| 1| [2020-06-17]|
| 2|[2020-06-17, 2020...|
| 3|[2020-06-17, 2020...|
+---+--------------------+