本文的代码涉及几个知识点，都是比较有用：
1、Spark用JAVA编写代码的方式；
2、Spark读取MySQL数据表，并且使用的是自定义SQL的方式，默认会读取整个表的；
3、Spark使用sql.functions的原有方法，给dataframe新增列、变更列；
4、Spark使用udf的自定义函数，给dataframe新增列、变更列；
/**
* spark直接读取mysql
*/
private static Dataset<Row> queryMySQLData(SparkSession spark) {
Properties properties = new Properties();
properties.put("user", "root");
properties.put("password", "12345678");
properties.put("driver", "com.mysql.jdbc.Driver");
// 可以写SQL语句查询数据结果
return spark.read().jdbc(
"jdbc:mysql://127.0.0.1:3306/test"
, "(select id, name from tb_data) tsub",
properties);
}整个函数使用spark.read().jdbc读取mysql数据表，配置了mysql的user、passpord、driver，jdbcurl，以及可以通过sql语句执行数据查询，sql语句这里在spark源文档是table name，如果只设置table name，则会读取整个表，可以使用(select id, name from tb_data) tsub的方式读取SQL结果，注意的是这里必须给SQL语句设定一个标的别名。
以下是几种给dataframe添加新列、修改原有列的方法
方法1：使用functions中的函数，有一些局限性
// 方法1：使用functions中的函数，有一些局限性
inputData.withColumn("name_length_method1", functions.length(inputData.col("name")));使用的是sql.functions里面的方法，里面支持了大部分的size、length等等方法，不过还是不够灵活，因为不支持就是不支持；
方法2：自定义注册udf，可以用JAVA代码写处理
可以先用spark.udf().register注册方法，然后使用functions.callUDF进行调用，其中自定义方法需要实现UDF1~UDF20的接口，分别代表传入不同的入参列：
// 方法2：自定义注册udf，可以用JAVA代码写处理
spark.udf().register(
"getLength",
new UDF1<String, Integer>() {
@Override
public Integer call(String s) throws Exception {
return s.length();
}
},
DataTypes.IntegerType);
inputData = inputData.withColumn(
"name_length_method2",
functions.callUDF("getLength",
inputData.col("name"))
);
// 方法2.1：可以写UDF2~UDF20，就是把输入字段变成多个
spark.udf().register(
"getLength2",
new UDF2<Long, String, Long>() {
@Override
public Long call(Long aLong, String s) throws Exception {
return aLong + s.length();
}
},
DataTypes.LongType);
inputData = inputData.withColumn(
"name_length_method3",
functions.callUDF(
"getLength2",
inputData.col("id"),
inputData.col("name"))
);
inputData.show(20, false);代码地址见：github地址
tb_data的mysql表数据读取后的原始dataframe的schema：
root |-- id: long (nullable = true) |-- name: string (nullable = true)
数据：
+---+-----------+ |id |name | +---+-----------+ |1 |name1 | |2 |name22 | |3 |name333 | |4 |name4444 | |5 |name55555 | |6 |name666666 | |7 |name7777777| +---+-----------+
最终计算之后的数据输出：
+---+-----------+-------------------+-------------------+-------------------+ |id |name |name_length_method1|name_length_method2|name_length_method3| +---+-----------+-------------------+-------------------+-------------------+ |1 |name1 |5 |5 |6 | |2 |name22 |6 |6 |8 | |3 |name333 |7 |7 |10 | |4 |name4444 |8 |8 |12 | |5 |name55555 |9 |9 |14 | |6 |name666666 |10 |10 |16 | |7 |name7777777|11 |11 |18 | +---+-----------+-------------------+-------------------+-------------------+
