Scala 如何使spark udf接受具有不同数据类型的列表？

我的底层函数定义如下：

def rowToSHA1(s: Seq[Any]): String = {
   //return sha1 of sequence
 } 
}

以下是我的udf的定义：

val toSha = udf[String, Seq[Any]](rowToSHA1)

df.withColumn("shavalue",(toSha(array($"id",$"name",$"description",$"accepted")))

当我只传递一个字符串列表作为参数时，它就工作了，但当存在布尔值时，我会得到一个错误

org.apache.spark.sql.AnalysisException: cannot resolve 'array(`id`, `name`, 
`description`, `accepted`)' due to data type mismatch: input to function 
array should all be the same type, but it's [string, string, string, 
boolean];;

我正在探索泛型函数的使用，这是个好主意吗

修复：在应用函数之前将我的列转换为字符串

df.withColumn("shavalue",(toSha(array($"id",$"name",$"description",$"accepted".cast("string)))

---

对于这种情况，我所知道的最好的解决方案就是将所有内容转换为字符串，当您读取/创建数据帧时，请确保所有内容都是字符串，或者在某个时候转换它。稍后，您可以将if转换回任何其他类型。

您可以将boolean作为一个单独的值传递给udf函数。您可以按照此线程进行操作。它并没有回答问题，但更多的是解决问题。