用scala编写udf函数，报错如下

这个错误与Scala编程语言本身无关，而是由于您在DataWorks中编写UDF时可能存在一些语法或配置错误。

请注意，DataWorks支持使用Scala编写UDF函数。因此，问题可能出在您的代码中。
错误信息中的"Semantic analysis exception"表示语义分析异常，而"0DP5-0130071"和"0DPS-0130071"是具体的错误代码和位置信息。

根据错误信息中的提示，函数'user -activetrace_switch'无法解析。这可能是因为该函数在您的代码中未正确声明或定义，或者该函数名称不正确。

根据您提供的信息，我无法确定具体的错误原因。但是，通常情况下，UDF函数编写不支持Scala语言的原因可能是因为UDF函数需要使用Java或Python等其他编程语言来编写。

如果您需要在DataWorks上使用Scala编写UDF函数，您可以尝试使用Spark SQL中的自定义函数（User Defined Function，简称UDF）来实现。自定义函数可以使用Scala语言编写，并且可以在Spark SQL中使用。

以下是一个简单的示例代码，演示如何在Spark SQL中使用Scala编写UDF函数：

import org.apache.spark.sql.functions.udf

// 定义一个UDF函数，将字符串转换为大写形式
val toUpperCase = udf((input: String) => input.toUpperCase)

// 创建一个DataFrame，包含一列名为"name"的字符串数据
val df = spark.createDataFrame(Seq(("Alice",), ("Bob",), ("Charlie",))).toDF("name")

// 使用UDF函数将"name"列中的字符串转换为大写形式
df.withColumn("name_uppercase", toUpperCase($"name")).show()

上述代码中，我们首先导入了org.apache.spark.sql.functions.udf包，该包提供了用于创建UDF函数的工具。然后，我们定义了一个名为toUpperCase的UDF函数，该函数接受一个字符串作为输入，并返回该字符串的大写形式。接下来，我们创建了一个包含一列名为"name"的DataFrame，并使用withColumn方法将UDF函数应用于该列，将每个字符串转换为大写形式。最后，我们使用show方法显示转换后的DataFrame。

请注意，以上只是一个简单的示例代码，您可以根据您的实际需求进行修改和扩展。另外，确保在编写UDF函数时遵循正确的语法和规范，以避免出现错误。