Spark-shell 根据dwd库中fact_machine_data表（或MySQL的shtd_industry库中MachineData表），根据以下要求转换：获取最大分区（MySQL不用考虑）的数据后，首先解析列machine_record_data（MySQL中为MachineRecordData）的数据（数据格式为xml，采用dom4j解析，解析demo在客户端/home/ubuntu/Documents目录下），并获取每条数据的主轴转速，主轴倍率，主轴负载，进给倍率，进给速度，PMC程序号，循环时间，运行时间，有效轴数，总加工个数，已使用内存，未使用内存，可用程序量，注册程序量等相关的值（若该条数据没有相关值，则按下表设置默认值），同时转换machine_record_state字段的值，若值为报警，则填写1，否则填写0，以下为表结构，将数据保存在dwd.fact_machine_learning_data，使用cli按照machine_record_id升序排序，查询dwd.fact_machine_learning_data前1条数据

好的，根据您的要求，我可以给您提供如下的Spark-shell代码：

// 导入必要的库
import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.functions._
import scala.xml._
import org.dom4j.io.SAXReader

// 创建 SparkSession
val spark = SparkSession
  .builder()
  .appName("Machine Learning Data")
  .getOrCreate()

// 设置日志级别
spark.sparkContext.setLogLevel("WARN")

// 读取 fact_machine_data 表
val df = spark.read
  .format("jdbc")
  .option("url", "jdbc:mysql://localhost:3306/shtd_industry")
  .option("dbtable", "MachineData")
  .option("user", "root")
  .option("password", "password")
  .load()

// 获取最大分区的数据
val maxPartition = df.agg(max("partition")).collect()(0)(0)
val maxPartitionDF = df.filter($"partition" === maxPartition)

// 定义默认值
val defaultValues = Map(
  "MainShaftSpeed" -> 0,
  "MainShaftRatio" -> 0,
  "MainShaftLoad" -> 0,
  "FeedRatio" -> 0,
  "FeedSpeed" -> 0,
  "PMCProgramNumber" -> "",
  "CycleTime" -> 0,
  "RunTime" -> 0,
  "EffectiveAxisNumber" -> 0,
  "TotalMachiningCount" -> 0,
  "UsedMemory" -> 0,
  "UnusedMemory" -> 0,
  "AvailableProgramCount" -> 0,
  "RegisteredProgramCount" -> 0,
)

// 定义函数，用于解析 XML 数据
def parseXml(xmlString: String): Map[String, Any] = {
  // 使用 SAXReader 解析 XML
  val reader = new SAXReader()
  val document = reader.read(new InputSource(new StringReader(xmlString)))

  // 获取根节点
  val root = document.getRootElement()

  // 解析 XML，返回 Map
  Map(
    "MainShaftSpeed" -> (root.elementText("MainShaftSpeed") match {
      case "" => defaultValues("MainShaftSpeed")
      case x => x.toInt
    }),
    "MainShaftRatio" -> (root.elementText("MainShaftRatio") match {
      case "" => defaultValues("MainShaftRatio")
      case x => x.toInt
    }),
    "MainShaftLoad" -> (root.elementText("MainShaftLoad") match {
      case "" => defaultValues("MainShaftLoad")
      case x => x.toInt
    }),
    "FeedRatio" -> (root.elementText("FeedRatio") match {
      case "" => defaultValues("FeedRatio")
      case x => x.toInt
    }),
    "FeedSpeed" -> (root.elementText("FeedSpeed") match {
      case "" => defaultValues("FeedSpeed")
      case x => x.toInt
    }),
    "PMCProgramNumber" -> (root.elementText("PMCProgramNumber") match {
      case "" => defaultValues("PMCProgramNumber")
      case x => x
    }),
    "CycleTime" -> (root.elementText("CycleTime") match {
      case "" => defaultValues("CycleTime")
      case x => x.toInt
    }),
    "RunTime" -> (root.elementText("RunTime") match {
      case "" => defaultValues("RunTime")
      case x => x.toInt
    }),
    "EffectiveAxisNumber" -> (root.elementText("EffectiveAxisNumber") match {
      case "" => defaultValues("EffectiveAxisNumber")
      case x => x.toInt
    }),
    "TotalMachiningCount" -> (root.elementText("TotalMachiningCount") match {
      case "" => defaultValues("TotalMachiningCount")
      case x => x.toInt
    }),
    "UsedMemory" -> (root.elementText("UsedMemory") match {
      case "" => defaultValues("UsedMemory")
      case x => x.toInt
    }),
    "UnusedMemory" -> (root.elementText("UnusedMemory") match {
      case "" => defaultValues("UnusedMemory")
      case x => x.toInt
    }),
    "AvailableProgramCount" -> (root.elementText("AvailableProgramCount") match {
      case "" => defaultValues("AvailableProgramCount")
      case x => x.toInt
    }),
    "RegisteredProgramCount" -> (root.elementText("RegisteredProgramCount") match {
      case "" => defaultValues("RegisteredProgramCount")
      case x => x.toInt
    })
  )
}

// 定义 UDF，用于解析 XML 数据
val parseXmlUDF = udf(parseXml _)

// 定义 UDF，用于转换 machine_record_state 字段的值
val transformStateUDF = udf((state: String) => if (state == "报警") 1 else 0)

// 解析 machine_record_data 字段的数据，并获取每条数据的相关值
val machineLearningDataDF = maxPartitionDF
  .withColumn("machine_record_data_map", parseXmlUDF($"machine_record_data"))
  .select($"machine_record_id",
          $"machine_record_state",
          $"machine_record_data_map.*")
  .withColumn("machine_record_state", transformStateUDF($"machine_record_state"))
  .orderBy($"machine_record_id")

// 将数据保存在 dwd.fact_machine_learning_data 表中
machineLearningDataDF.write
  .format("jdbc")
  .option("url", "jdbc:mysql://localhost:3306/dwd")
  .option("dbtable", "fact_machine_learning_data")
  .option("user", "root")
  .option("password", "password")
  .mode("overwrite")
  .save()

// 查询 dwd.fact_machine_learning_data 表前1条数据
val queryResultDF = spark.read
  .format("jdbc")
  .option("url", "jdbc:mysql://localhost:3306/dwd")
  .option("dbtable", "fact_machine_learning_data")
  .option("user", "root")
  .option("password", "password")
  .load()
  .orderBy($"machine_record_id")
  .limit(1)

// 显示查询结果
queryResultDF.show()

需要注意的是，在上面的代码中，要求您的 MySQL 数据库中有 `shtd_industry` 和 `dwd` 两个数据库，并且要求您的 MySQL 数据库中已经存在 `MachineData` 和 `fact_machine_learning_data` 两个表。如果您的数据库中没有这些表，那么您需要先创建这些表。

另外，为了使用 dom4j 解析 XML 数据，您需要在客户端安装 dom4j 库。如果您使用的是 Ubuntu 操作系统，您可以使用以下命令安装 dom4j 库：

sudo apt-get install libdom4j-java

最后，如果您发现 Spark-shell 报错了，您可以将错误信息发送给我，让我帮您解决问题。