Scala 我空着回来了

我试图为数据帧中的每一行创建一个SHA256哈希

import org.apache.spark.sql.functions.{col, concat, sha2}
val finalResultWithHash = finalResult.withColumn("ROWHASH", sha2(concat(finalResult.columns.map(col):_*), 256))

当我在数据框中只有一列时，它似乎正在工作

在后面的代码中，我将数据帧写为CSV，并且rowhash列为空。 我还没有找到任何关于我做错了什么的文档

---

提前谢谢。

出于某种原因，下面的代码适用于我的多列

val finalResultWithHash = personDF.withColumn("ROWHASH", sha2(concat(personDF.columns.map(col): _*), 256))

+-----+-----+---+------+--------------------+
|FName|LName|Age|Gender|             ROWHASH|
+-----+-----+---+------+--------------------+
|    A|    B| 29|     M|c4ae6946a295e9d74...|
|    A|    C| 12|      |89a18fdc3ddb3c2fd...|
|    B|    D| 35|     F|ef1c89dfc765c7e1e...|
|    Q|    D| 85|      |cd91aa387a7e6a180...|
|    W|    R| 14|      |e9ff9bb78fd93a13a...|
+-----+-----+---+------+--------------------+

---

可能只是支架放置错误…

另一种方法是使用

foldLeft（）

：

在散列之前，折叠将从左到右覆盖所有列：

df.withColumn("rowsha",sha2(df.columns.foldLeft(lit(""))((x,y)=>concat(x,col(y))),256)).explain()
== Physical Plan ==
*(1) Project [c1#10, c2#11, c3#12, c4#13, sha2(cast(concat(, c1#10, c2#11, c3#12, 4#13) as binary), 256) AS rowsha#165]
+- *(1) ...

但是，如果串联中的任何列包含NULL，则结果也将为NULL。为了防止出现这种情况，您可能需要使用

val df2 = df.withColumn("rowsha",sha2(df.columns.foldLeft(lit(""))((x,y)=>concat(x,coalesce(col(y),lit("n/a"))),256))

---

对不起，我在写问题的时候把那个括号完全漏掉了。。。我的代码中确实有这样的代码，但是奇怪的是，我得到了一个错误，而你得到了结果。。。也许我有太多的列或某种行长度问题，即使使用这种解决方案，我仍然没有在数据帧中得到实际的哈希。我开始相信，对于sha2函数来说，数据点放在一起太长了。您的任何列是否碰巧包含空值？如果是这种情况，您应该将

concat（x，col（y））

更改为类似

concat（x，coalesce（col（y），lit（“n/a”））

。这很有效。。。空值是问题所在。非常感谢。

val df2 = df.withColumn("rowsha",sha2(df.columns.foldLeft(lit(""))((x,y)=>concat(x,coalesce(col(y),lit("n/a"))),256))