Spark - 如何在已定义的层次结构中进行汇总，其中父元素不存在于数据集中
我正在尝试创建一个spark应用程序来对层次结构数据集进行聚合。
示例场景如下。
我有一个包含以下行的数据集 在此处输入图像描述
我有一个在我的数据库中定义的类别层次结构。我的层次结构如下
在此处输入图像描述
我需要类别层次结构中每个元素的聚合结果。
与此类似，我需要层次结构节点中所有元素的计数。
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。
"我假设不存在的“父元素”是4002，因为它在您的层次结构中，而不是在您的输入中，而是在您的输出中。如果没有，你真的需要更具体。在任何情况下，您都应将“层次结构”数据集读入第二个数据框并将其连接到第一个数据框。但你必须确保它准备得当。
一种好的方法是将层次结构非规范化。把它变成这个：
类别| 父类别
因此，类别4020将有3行：
Category | Parent Category
4020 | 4015
4020 | 4002
4020 | 4000
然后，在将数据加入到此之后，您可以按每个值列的父类别和日期执行简单的聚合/求和。2019-07-17 23:23:01赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
