Scala中是否存在等价于SQL add_months的UDF函数？

当然有啦！如果是在Spark生态下处理数据，其实Spark SQL本身就内置了add_months函数，行为和你提到的SQL版本完全一致，直接用就行。但如果是需要自定义一个独立的UDF（比如非Spark场景、或者有特殊定制需求），用Scala结合Java 8+的时间API也能轻松实现，下面给你两种方案：

方案一：直接使用Spark内置的add_months #

不管是写Spark SQL语句，还是用DataFrame API，都可以直接调用：

• Spark SQL写法：

SELECT add_months(startDate, numMonths) AS new_date FROM your_table

• DataFrame API写法：

import org.apache.spark.sql.functions.add_months

df.withColumn("new_date", add_months($"startDate", $"numMonths"))

方案二：自定义UDF（通用Scala场景） #

如果是脱离Spark的纯Scala环境，或者需要自己封装逻辑，可以基于java.time.LocalDate实现一个等价函数，它会自动处理月底边界（比如2023-01-31加1个月会得到2023-02-28，和SQL的add_months逻辑一致）：

import java.time.LocalDate

// 定义核心逻辑函数
def addMonths(startDate: LocalDate, numMonths: Int): LocalDate = {
  startDate.plusMonths(numMonths)
}

// 示例调用
val start = LocalDate.of(2023, 5, 31)
val result = addMonths(start, 1)
println(result) // 输出 2023-06-30

如果是要在Spark中注册成可复用的UDF，写法也很简单：

import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.functions.udf
import java.sql.Date

val spark = SparkSession.builder().appName("AddMonthsUDFDemo").getOrCreate()
import spark.implicits._

// 注册UDF，适配Spark的Date类型
val addMonthsUdf = udf((date: Date, numMonths: Int) => {
  Date.valueOf(date.toLocalDate.plusMonths(numMonths))
})

// 测试使用
val testDF = Seq(("2023-01-15", 3), ("2023-10-20", -2)).toDF("start_date", "num_months")
testDF.withColumn("new_date", addMonthsUdf($"start_date", $"num_months")).show()

运行后会输出：

+----------+----------+----------+
|start_date|num_months|  new_date|
+----------+----------+----------+
|2023-01-15|         3|2023-04-15|
|2023-10-20|        -2|2023-08-20|
+----------+----------+----------+

内容的提问来源于stack exchange，提问作者user2672739