在自定义聚合器的构造函数中传递参数，需要通过实现带有额外构造参数的Aggregator实例的子类来完成。下面是一个示例：

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

object MyAggregator {

  case class MyData(value: Int)

  case class MyAggregate(count: Long, sum: Long)

  class MyAggregator(param: Int) extends Aggregator[MyData, MyAggregate, MyAggregate] {

    override def zero: MyAggregate = MyAggregate(0L, 0L)

    override def reduce(b: MyAggregate, a: MyData): MyAggregate = {
      MyAggregate(b.count + 1L, b.sum + (a.value + param))
    }

    override def merge(b1: MyAggregate, b2: MyAggregate): MyAggregate = {
      MyAggregate(b1.count + b2.count, b1.sum + b2.sum)
    }

    override def finish(reduction: MyAggregate): MyAggregate = reduction

    override def bufferEncoder: Encoder[MyAggregate] = Encoders.product

    override def outputEncoder: Encoder[MyAggregate] = Encoders.product

  }

}

在上面的示例中，我们定义了自定义聚合器MyAggregator，并将参数param传递到了构造函数中。注意在reduce()函数中，我们对每个传入的MyData对象执行了一些操作，包括对传入参数param的使用。MyAggregate类用于保存聚合结果的计数和总和。最终结果为一个MyAggregate对象，需要实现Aggregator trait 的方法。

在创建MyAggregator实例时，需要将参数param作为构造函数的参数传递。

val myAggregator = new MyAggregator(5)

val result = spark.range(1, 6)
  .map(MyAggregator.MyData(_))
  .select(myAggregator.toColumn)
  .first()
  
println(result) 
// MyAggregate(5,35)

在上面的示例中，我们将MyData RDD中的五个整数(1-5)转换为MyData对象，然后应用了聚合器，最后获得的是计数为5，总和为35的MyAggregate结果。