下面是一个示例代码，实现了一个聚合器，可以接受任何可排序的Spark数据类型。

import org.apache.spark.sql.expressions.Aggregator
import org.apache.spark.sql.{Encoder, Encoders}

class MyAggregator[T: Encoder](ordering: Ordering[T]) extends Aggregator[T, List[T], List[T]] {
  def zero: List[T] = List.empty[T]

  def reduce(buffer: List[T], data: T): List[T] = {
    (buffer :+ data).sorted(ordering)
  }

  def merge(buffer1: List[T], buffer2: List[T]): List[T] = {
    (buffer1 ++ buffer2).sorted(ordering)
  }

  def finish(reduction: List[T]): List[T] = reduction

  def bufferEncoder: Encoder[List[T]] = Encoders.product[List[T]]

  def outputEncoder: Encoder[List[T]] = Encoders.product[List[T]]
}

使用示例：

val spark = SparkSession.builder().appName("MyAggregatorExample").master("local").getOrCreate()

import spark.implicits._

// 创建一个包含可排序数据的DataFrame
val data = Seq(1, 5, 3, 2, 4).toDF("value")

// 创建聚合器实例
val myAggregator = new MyAggregator[Int](Ordering.Int)

// 使用聚合器进行聚合操作
val result = data.select(myAggregator.toColumn).as[List[Int]].collect()(0)

result.foreach(println)

输出结果为：1, 2, 3, 4, 5