做pc端软件可以参考那些网站做一个企业网站大概需要多少钱
在实际工作中会遇到，最近有需求将产品炸开bom到底层，但是ERP中bom数据在一张表中递归存储的，不循环展开，是无法知道最底层原材料是什么。
在ERP中使用pl/sql甚至sql是可以进行炸BOM的，但是怎么使用spark展开，并且效率要不Oracle更高效的展开，是个问题。
展开方法
有以下步骤：
1. 使用spark sql中sql直接递归展开：
优点：可行，且效率很快
缺点：一个sql炸到底层，无法添加在炸开过程中的逻辑管控
2. 一层层的展开BOM，直到没有可以展开的物料为止
实际效果：
优点：可行，并可以在每一层进行管快
优缺点：本质上，并不是递归计算，而是过度有限循环的计算
与一些需求有冲突，比如原需求为递归计算，按照需求扣减现有量，是无法实现的
3. 使用spark（scala）递归炸开bom：--实验中
具体步骤如下
1.使用spark sql展开bom
在Scala中，我们可以使用Spark SQL来执行递归查询。要使用Spark SQL进行递归查询，我们首先需要创建一个递归查询视图，然后在该视图中执行我们的查询操作。接下来，我们将介绍一个具体的示例来解释如何使用Spark SQL进行递归查询。
假设我们有一个部门表，其中包含部门的ID和上级部门的ID。我们想要查询一个部门的所有上级部门直到根部门的层级关系。以下是一个简化的部门表结构和数据：
CREATE TABLE department (department_id INT,parent_department_id INT
);INSERT INTO department VALUES (1, NULL);
INSERT INTO department VALUES (2, 1);
INSERT INTO department VALUES (3, 2);
INSERT INTO department VALUES (4, 3);
INSERT INTO department VALUES (5, 3);
INSERT INTO department VALUES (6, NULL);
INSERT INTO department VALUES (7, 6);
我们可以使用Spark SQL来执行递归查询，查询部门ID为4的部门的所有上级部门：
import org.apache.spark.sql.SparkSessionval spark = SparkSession.builder().appName("Recursive Query").master("local").getOrCreate()val departmentDF = spark.read.format("jdbc").option("url", "jdbc:mysql://localhost:3306/test").option("dbtable", "department").option("user", "root").option("password", "password").load()departmentDF.createOrReplaceTempView("department")spark.sql("""WITH RECURSIVE department_hierarchy AS (SELECT department_id, parent_department_idFROM departmentWHERE department_id = 4UNION ALLSELECT d.department_id, d.parent_department_idFROM department_hierarchy dhJOIN department d ON dh.parent_department_id = d.department_id)SELECT *FROM department_hierarchy
""").show()
上述示例中，我们使用Spark SQL的WITH RECURSIVE语法来定义一个递归查询视图department_hierarchy。起始查询使用了WHERE子句来找到部门ID为4的部门，然后使用UNION ALL子句将递归部分与起始部分联接起来，直到找到根部门为止。最后，我们通过SELECT语句从递归查询视图中选择所需的列。
运行以上代码，我们可以得到结果如下：
+-------------+-------------------+
|department_id|parent_department_id|
+-------------+-------------------+
| 4| 3|
| 3| 2|
| 2| 1|
| 1| NULL|
+-------------+-------------------+
总结
本文中，我们介绍了如何使用Scala中的Spark SQL来执行递归查询。我们首先了解了递归查询的概念和用法，然后通过一个具体的示例演示了如何使用Spark SQL进行递归查询。通过使用Spark SQL的WITH RECURSIVE语法，我们可以方便地处理复杂的递归查询操作，从而更好地利用Spark处理大规模结构化数据。
参考文档如下：