spark: Aggregator 和 UDAF 有什么区别？
spark: What is the difference between Aggregator and UDAF？
在 Spark 的文档中，聚合器：
abstract class Aggregator[-IN, BUF, OUT] extends Serializable
A base class for user-defined aggregations, which can be
used in Dataset operations to take all of the elements of a group and
reduce them to a single value.
UserDefinedAggregateFunction 是：
abstract class UserDefinedAggregateFunction extends Serializable
The base class for implementing user-defined aggregate functions
(UDAF).
根据 Dataset Aggregator - Databricks，“Aggregator 类似于 UDAF，但接口是用 JVM 对象而不是 Row 表示的。”
看起来这两个类很相似，除了接口类型不同，还有哪些区别？
类似的问题是：Performance of UDAF versus Aggregator in Spark
除了类型之外，一个根本区别是外部接口：
Aggregator 需要一个完整的 Row（它适用于 "strongly" 输入的 API）。UserDefinedAggregationFunction取一组Columns.
这使得 Aggregator 不太灵活，尽管总体上 API 对用户更友好。
处理状态也有区别：
Aggregator 是有状态的。取决于其缓冲区字段的可变内部状态。UserDefinedAggregateFunction 是无状态的。缓冲区的状态是外部的。
在 Spark 的文档中，聚合器：
abstract class Aggregator[-IN, BUF, OUT] extends Serializable
A base class for user-defined aggregations, which can be used in Dataset operations to take all of the elements of a group and reduce them to a single value.
UserDefinedAggregateFunction 是：
abstract class UserDefinedAggregateFunction extends Serializable
The base class for implementing user-defined aggregate functions (UDAF).
根据 Dataset Aggregator - Databricks，“Aggregator 类似于 UDAF，但接口是用 JVM 对象而不是 Row 表示的。”
看起来这两个类很相似，除了接口类型不同，还有哪些区别？
类似的问题是：Performance of UDAF versus Aggregator in Spark
除了类型之外，一个根本区别是外部接口：
Aggregator需要一个完整的Row（它适用于 "strongly" 输入的 API）。UserDefinedAggregationFunction取一组Columns.
这使得 Aggregator 不太灵活，尽管总体上 API 对用户更友好。
处理状态也有区别：
Aggregator是有状态的。取决于其缓冲区字段的可变内部状态。UserDefinedAggregateFunction是无状态的。缓冲区的状态是外部的。