spark代碼示例

spark udf代碼示例:
public static UserDefinedFunction SNAP_TIME = udf((String rgnDesc,String cntryCd,String nam, String emea, String latam,
String russia, String tokyo, String hongkong, String sydney, String seasia)->{
String name = "";
if(rgnDesc != null && !rgnDesc.trim().isEmpty() && cntryCd != null && regionMap.get(rgnDesc)!= null ){
name= RegionAndCountryEnum.map(String.valueOf(regionMap.get(rgnDesc)),cntryCd);
}else{
return name;
}

    if(name.equals(RegionAndCountryEnum.NAM.name())){
        return nam;
    }
    if(name.equals(RegionAndCountryEnum.EMEA.name())){
        return emea;
    }
    if(name.equals(RegionAndCountryEnum.LATAM.name())){
        return latam;
    }
    if(name.equals(RegionAndCountryEnum.RUSSIA.name())){
        return russia;
    }
    if(name.equals(RegionAndCountryEnum.TOKYO.name())){
        return tokyo;
    }
    if(name.equals(RegionAndCountryEnum.HONG_KONG.name())){
        return hongkong;
    }
    if(name.equals(RegionAndCountryEnum.SYDNEY.name())){
        return sydney;
    }
    if(name.equals(RegionAndCountryEnum.SEASIA.name())){
        return seasia;
    }
    return null;
}, DataTypes.StringType);

numQualityTest.apply(col("QUALITY_TEST"), coalesce(col("CUSIP_RECORD_CD"), lit(0)))

public static String udfFuc(String cusipCd, String smcpId, String isInCd, String alVndrNm, String s2SnapCd,String ccyCd, Broadcast<Map<String, String>> vendorBroadCast) {
Map<String, String> map = vendorBroadCast.value();
String ccyCdFlag = "1";
if ("BB_BVAL_BVAL".equals(alVndrNm.trim())) {
ccyCdFlag = "null";
ccyCd ="null";
}

    String cusipKey = "cusip" + "^" + cusipCd + "^" + alVndrNm + "^" + s2SnapCd + "^" + ccyCdFlag + "^" + ccyCd;
    if (!StringUtils.isEmpty(cusipCd) && map.get(cusipKey) != null) {
        return map.get(cusipKey);
    }
    String smcpKey = "smcp" + "^" + smcpId + "^" + alVndrNm + "^" + s2SnapCd + "^" + ccyCdFlag + "^" + ccyCd;
    if (!StringUtils.isEmpty(smcpId) && map.get(smcpKey) != null) {
        return map.get(smcpKey);
    }
    String isInKey = "isin" + "^" + isInCd + "^" + alVndrNm + "^" + s2SnapCd + "^" + ccyCdFlag + "^" + ccyCd;
    if (!StringUtils.isEmpty(isInCd) && map.get(isInKey) != null) {
        return map.get(isInKey);
    }

    return "NULL";
}

Broadcast<Map<String, String>> vendorBroadCast = new JavaSparkContext(datasetFactory.getSparkSession().sparkContext()).broadcast(pmcKeysMapNew);
UserDefinedFunction MATCH_FLAG = udf((String cusipCd, String smcpId, String isInCd, String alVndrNm, String s2SnapCd, String ccyCd) ->
SprecialUdf.udfFuc(cusipCd, smcpId, isInCd, alVndrNm, s2SnapCd, ccyCd, vendorBroadCast)
, DataTypes.StringType);
Dataset invenAndRuleDs = ruleAndSmcDs.withColumn("VENDOR_ROW", MATCH_FLAG.apply(col("CUSIP_CD"), col("SMCP_ID"), col("ISIN_CD"), col("SOURCES"), col("SNAP_TIME"), col("ccy_cd")));

spark mapPartitions代碼示例:
Dataset<String> json=dataset.toJSON();
Dataset<Row> Jsonset= json.mapPartitions(
(Iterator<String> it)-> {
List<Row> out = new ArrayList<>();
while (it.hasNext()) {
List<Object> fields = new ArrayList<>();
String message=String.valueOf(it.next());
java.lang.reflect.Type type = new TypeToken<HashMap<String, String>>() {
}.getType();
Map<String, String> map = gson.fromJson(message, type);
String tmId=String.valueOf(map.get("TMID"));
Double doue=Double.valueOf(String.valueOf(map.get("FEED_ID")));
int feedId=doue.intValue();
String valuationDate=String.valueOf(map.get("VDATE"));
String serviceName=String.valueOf(map.get("SERVICENAME"));
String subArea=String.valueOf(map.get("SUBAREA"));
String underlying=String.valueOf(map.get("UNDERLYING"));
String assetClass=String.valueOf(map.get("ASSETCLASS"));
String serviceFrequency=String.valueOf(map.get("SERVICEFREQUENCY"));
String key=tmId+""+feedId+""+valuationDate+""+serviceName+""+subArea+""+underlying+""+assetClass+"_"+serviceFrequency+2;
fields.add(key);
fields.add(message);
out.add(new GenericRowWithSchema( fields.toArray(),jsonsetSchema) );
}
return out.iterator();
}, RowEncoder.apply(jsonsetSchema)

    );

mdhTotemCollector.toJSON().foreachPartition(
(Iterator<String> t) -> {
/Jedis jedis = new Jedis("10.50.68.174",14761);
jedis.auth("idm@2021");
Pipeline pipelined=jedis.pipelined();
/
Config config = new Config();
config.useSingleServer().setPassword("idm@2021").setAddress("10.50.68.174" + ":" + 14761);
RedissonClient redisson = Redisson.create(config);
Gson gson = new GsonBuilder().create();
while (t.hasNext()) {
String message = String.valueOf(t.next());
java.lang.reflect.Type type = new TypeToken<HashMap<String, String>>() {
}.getType();
Map<String, String> map = gson.fromJson(message, type);
String tmId = String.valueOf(map.get("TMID"));
Double doue = Double.valueOf(String.valueOf(map.get("FEED_ID")));
int feedId = doue.intValue();
String valuationDate = String.valueOf(map.get("VDATE"));
String serviceName = String.valueOf(map.get("SERVICENAME"));
String subArea = String.valueOf(map.get("SUBAREA"));
String underlying = String.valueOf(map.get("UNDERLYING"));
String assetClass = String.valueOf(map.get("ASSETCLASS"));
String serviceFrequency = String.valueOf(map.get("SERVICEFREQUENCY"));
String key = tmId + "" + feedId + "" + valuationDate + "" + serviceName + "" + subArea + "" + underlying + "" + assetClass + "_" + serviceFrequency + 8;
RSet<String> set = redisson.getSet(key);
set.add(message);
}
redisson.shutdown();
}
);

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市饲梭,隨后出現(xiàn)的幾起案子乘盖,更是在濱河造成了極大的恐慌,老刑警劉巖憔涉,帶你破解...
    沈念sama閱讀 212,816評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件订框,死亡現(xiàn)場離奇詭異,居然都是意外死亡兜叨,警方通過查閱死者的電腦和手機(jī)穿扳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,729評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來国旷,“玉大人纵揍,你說我怎么就攤上這事∫榻郑” “怎么了泽谨?”我有些...
    開封第一講書人閱讀 158,300評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長特漩。 經(jīng)常有香客問我吧雹,道長颊糜,這世上最難降的妖魔是什么暂吉? 我笑而不...
    開封第一講書人閱讀 56,780評論 1 285
  • 正文 為了忘掉前任威蕉,我火速辦了婚禮歉胶,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘豌骏。我一直安慰自己瓜贾,他們只是感情好召锈,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,890評論 6 385
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著揣钦,像睡著了一般雳灾。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上冯凹,一...
    開封第一講書人閱讀 50,084評論 1 291
  • 那天谎亩,我揣著相機(jī)與錄音,去河邊找鬼宇姚。 笑死匈庭,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的浑劳。 我是一名探鬼主播阱持,決...
    沈念sama閱讀 39,151評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼魔熏!你這毒婦竟也來了紊选?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,912評論 0 268
  • 序言:老撾萬榮一對情侶失蹤道逗,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后献烦,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體滓窍,經(jīng)...
    沈念sama閱讀 44,355評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,666評論 2 327
  • 正文 我和宋清朗相戀三年巩那,在試婚紗的時候發(fā)現(xiàn)自己被綠了吏夯。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,809評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡即横,死狀恐怖噪生,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情东囚,我是刑警寧澤跺嗽,帶...
    沈念sama閱讀 34,504評論 4 334
  • 正文 年R本政府宣布,位于F島的核電站页藻,受9級特大地震影響桨嫁,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜份帐,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 40,150評論 3 317
  • 文/蒙蒙 一璃吧、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧废境,春花似錦畜挨、人聲如沸筒繁。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,882評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽毡咏。三九已至,卻和暖如春务冕,著一層夾襖步出監(jiān)牢的瞬間血当,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,121評論 1 267
  • 我被黑心中介騙來泰國打工禀忆, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留臊旭,地道東北人。 一個月前我還...
    沈念sama閱讀 46,628評論 2 362
  • 正文 我出身青樓箩退,卻偏偏與公主長得像离熏,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子戴涝,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,724評論 2 351