如何在Spark-scala中实现LEAD和LAG

Question

我在spark数据框中有最终记录（在连接和过滤之后）。我需要比较连续行的（按键分区）列值并基于条件需要更改e_date列值例如：

sample table 
    key1 key 2 col1 col2 s_date  e_date 
    a  1  cv1  cv2 2014   2099 
    a  1  cv3  cv2 2016   2099 
    b  2  cv5  cv6 2016   2099 
    b  2  cv5  cv6 2016   2099 

    final table should look like 
    key1 key 2 col1 col2 s_date  e_date 
    a  1  cv1  cv2 2014   2015 (next records s_date-1) 
    a  1  cv3  cv2 2016   2099 
    b  2  cv5  cv6 2016   2099 

1. 上述表具有复合密钥，以便KEY1和KEY2是键

2. 通过键比较在分区col1和COL2值

3. 如果任何列具有与新记录的s_date -1（在最后的表线1，2）

4. 如果没有变化，则忽略（在最后的表线3）新的记录

任何新值结束旧记录指针斯卡拉火花

Answer 1

超前和滞后已经实施：

import org.apache.spark.sql.functions.{lead, lag} 
import org.apache.spark.sql.expressions.Window 

lag('s_date, 1).over(Window.partitionBy('key1, 'key2).orderBy('s_date)) 

检查Introducing Window Functions in Spark SQL了解详情。