arrow_udtf

Erstellt eine benutzerdefinierte PyArrow-systemeigene Tabellenfunktion (UDTF). Diese Funktion stellt eine pyArrow-native Schnittstelle für UDTFs bereit, bei der die eval-Methode PyArrow RecordBatches oder Arrays empfängt und einen Iterator von PyArrow Tables oder RecordBatches zurückgibt. Dies ermöglicht eine echte vektorisierte Berechnung ohne Zeilenverarbeitungsaufwand.

Syntax

from pyspark.databricks.sql import functions as dbf

@dbf.arrow_udtf(returnType=<returnType>)
class MyUDTF:
    def eval(self, ...):
        ...

Die Parameter

Parameter	Typ	Description
cls	classwahlfrei	Die benutzerdefinierte Python-Tabellenfunktionshandlerklasse.
returnType	pyspark.sql.types.StructType oder str, optional	Der Rückgabetyp der benutzerdefinierten Tabellenfunktion. Der Wert kann entweder ein StructType-Objekt oder eine DDL-formatierte Strukturtypzeichenfolge sein.

Examples

UDTF mit PyArrow RecordBatch-Eingabe:

import pyarrow as pa
from pyspark.databricks.sql.functions import arrow_udtf

@arrow_udtf(returnType="x int, y int")
class MyUDTF:
    def eval(self, batch: pa.RecordBatch):
        # Process the entire batch vectorized
        x_array = batch.column('x')
        y_array = batch.column('y')
        result_table = pa.table({
            'x': x_array,
            'y': y_array
        })
        yield result_table

df = spark.range(10).selectExpr("id as x", "id as y")
MyUDTF(df.asTable()).show()

UDTF mit PyArrow Array-Eingaben:

@arrow_udtf(returnType="x int, y int")
class MyUDTF2:
    def eval(self, x: pa.Array, y: pa.Array):
        # Process arrays vectorized
        result_table = pa.table({
            'x': x,
            'y': y
        })
        yield result_table

MyUDTF2(lit(1), lit(2)).show()

Hinweis

• Die eval-Methode muss PyArrow RecordBatches oder Arrays als Eingabe akzeptieren.
• Die eval-Methode muss PyArrow Tables oder RecordBatches als Ausgabe liefern.