Spark_获取id对应日期的所在月份的天数完整指南

news2024/12/24 20:35:17

开发背景

前段时间有一个开发需求的一小块用到了这，是一个利用率的计算。规则是某id下的近半年的值的小时利用率。

计算规则是某值除以近半年天数以及24h,但是月份里面数据有空值，所以要计算一下id对应的月份的天数，并且过滤掉数据有空值的天数。然后在做计算。

我这个人写博客，总喜欢交代一下背景，好提醒自己这块是哪块的业务知识。业务千变万化，逻辑倒是少得可怜。

本文将介绍如何Spark框架来计算给定日期所在月份的天数，并将其应用于一个实际的数据集。使用DataFrame和UDF来实现

已下面的数据为例

      (1, "2024-01-01", 15),
      (1, "2024-02-02", 23),
      (1, "2024-03-03", 0),
      (2, "2024-01-01", 20),
      (2, "2024-01-02", 23),
      (2, "2024-08-05", 40)

话不多说，直接上代码

代码：

import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.functions._
import java.time.LocalDate
object CalculateDaysInMonth {
  def main(args: Array[String]): Unit = {

    // 创建SparkSession
    val spark = SparkSession.builder()
      .appName("CalculateDaysInMonth")
      .master("local[*]")
      .getOrCreate()

    import spark.implicits._

    val data = Seq(
      (1, "2024-01-01", 15),
      (1, "2024-02-01", 23),
      (1, "2024-05-01", 0),
      (2, "2024-06-01", 20),A
      (2, "2024-07-05", 23),
      (2, "2024-08-01", 40)
    ).toDF("id", "date", "value")

    // 获取id对应的月份天数
    val getMonthDays = udf((dateStr: String) => {
      LocalDate.parse(dateStr).lengthOfMonth()
    })

//    val result = data.withColumn("days_in_month", getMonthDays($"date"))
// when-otherwise表达式结合UDF来决定days_in_month的值
    val result = data.withColumn("days_in_month",
  when($"value" =!= 0, getMonthDays($"date")).otherwise(lit(0))
)

    //author:lixh  博客地址https://blog.csdn.net/qq_52128187?type=blog
    result.show()

    spark.stop()
  }
}

逻辑就是上面的了，基本上简单易懂，上手快！