本文详解如何在 pyspark 中构建复合窗口，同时满足“最近 n 行”和“最近 m 天”双重约束，实现带结构化历史记录的列计算。
在实际数据分析场景中，仅依赖固定行偏移（如 rowsBetween(-2, -1)）的窗口往往无法准确刻画业务逻辑——例如用户行为分析常要求：“取当前行前最多 2 条、且日期不超过 10 天的记录”。PySpark 原生窗口不支持直接混合时间范围与行数限制，但可通过两阶段策略优雅解决：先用行窗口粗筛候选集，再用 filter() + SQL 表达式精筛时间条件。
核心实现思路
- 结构化封装：使用 struct() 将目标字段（id, date, value）打包为嵌套结构体，便于整体收集与过滤；
- 行窗口预聚合：通过 collect_list().over(Window.rowsBetween(-n, -1)) 获取最近 n 行（建议设为略大于上限，如 -3 对应“最多 2 行”）；
- 时间条件后过滤：利用 expr(“filter(history, x -> x.date >= (date – interval 10 days))”) 动态剔除超时记录；
- 结果格式化（可选）：若需字符串形式（如 (id, date, value)），可追加 concat_ws() 和 transform()。
以下为完整可运行示例（适配您需求的 10 天 + 最多 2 行）：
