Scala 如何将Column.isin与联接中的数组列一起使用？

希望这个Scala代码片段清楚地说明了我要完成的工作，我们的数据是结构化的，这样一个数据集就有一个包含值数组的列，我希望将该集合中的值连接到另一个数据集。因此，例如

ds1

中的

Seq（“A”，“B”）

将与

ds2中的
“A”
和
“B”
连接

列上的“isin”操作符似乎正是我想要的，它构建并运行，但当我运行它时，我得到以下错误：

org.apache.spark.sql.AnalysisException:由于数据类型不匹配，无法解析（
code
）中的“（
code
）”：参数的类型必须相同

进一步阅读，我发现
isin（）
想要使用varargs（“飞溅的args”），并且似乎更适合
过滤器（）
。所以我的问题是，这是这个操作符的预期用途，还是有其他方法来执行这种类型的连接
 请使用
数组\u contains
：

case class Foo1(codes:Seq[String], name:String)
case class Foo2(code:String, description:String)

val ds1 = Seq(
  Foo1(Seq("A"),           "foo1"),
  Foo1(Seq("A", "B"),      "foo2"),
  Foo1(Seq("B", "C", "D"), "foo3"),
  Foo1(Seq("C"),           "foo4"),
  Foo1(Seq("C", "D"),      "foo5")
).toDS

val ds2 = Seq(
  Foo2("A", "product A"),
  Foo2("B", "product B"),
  Foo2("C", "product C"),
  Foo2("D", "product D"),
  Foo2("E", "product E")
).toDS

val j = ds1.join(ds2, ds2("code") isin (ds1("codes")))

如果使用Spark 1.x或2.0，请将
交叉连接
替换为标准连接，然后

使用
explode
可以避免笛卡尔积：

ds1.crossJoin(ds2).where("array_contains(codes, code)").show

+---------+----+----+-----------+
|    codes|name|code|description|
+---------+----+----+-----------+
|      [A]|foo1|   A|  product A|
|   [A, B]|foo2|   A|  product A|
|   [A, B]|foo2|   B|  product B|
|[B, C, D]|foo3|   B|  product B|
|[B, C, D]|foo3|   C|  product C|
|[B, C, D]|foo3|   D|  product D|
|      [C]|foo4|   C|  product C|
|   [C, D]|foo5|   C|  product C|
|   [C, D]|foo5|   D|  product D|
+---------+----+----+-----------+

ds1.withColumn("code", explode($"codes")).join(ds2, Seq("code")).show
+----+---------+----+-----------+                                               
|code|    codes|name|description|
+----+---------+----+-----------+
|   B|   [A, B]|foo2|  product B|
|   B|[B, C, D]|foo3|  product B|
|   D|[B, C, D]|foo3|  product D|
|   D|   [C, D]|foo5|  product D|
|   C|[B, C, D]|foo3|  product C|
|   C|      [C]|foo4|  product C|
|   C|   [C, D]|foo5|  product C|
|   A|      [A]|foo1|  product A|
|   A|   [A, B]|foo2|  product A|
+----+---------+----+-----------+