为什么Spark的agg函数需传Column加Seq<Column>而非直接传Seq<Column>

为什么Spark的agg方法要单独设置必填的第一个Column参数 #

这个设计核心是为了兼顾接口的安全性和易用性，具体原因有两个：

• 避免空参数导致的运行时错误：如果agg只接收scala.collection.Seq<Column>类型的参数，开发者可能误传入空的Seq，这种错误只有在Spark任务实际运行的时候才会触发执行计划异常，排查成本很高。而把第一个聚合列单独设为必填项，就可以在编译阶段直接拦截空参数的调用，提前发现问题。
• 简化高频场景的调用：大部分时候大家用agg都只需要1个聚合操作，比如统计数据行数、求某列的最大值，如果只有Seq参数的话，哪怕传一个列也要手动封装成Seq，比如得写成df.agg(Seq(count(lit(1))))，用现有设计直接写df.agg(count(lit(1)))就行，代码简洁很多。

实际上Spark也提供了直接传入Seq的重载方法，只不过底层会主动校验Seq是否为空，本质和你贴的这个定义的约束是完全一致的。

内容的提问来源于stack exchange，提问作者Vikas