Question

我尝试使用SparkSQL（v.1.3.0）来访问PostgreSQL数据库。在这个数据库中，我有一个表

CREATE TABLE test (
 id bigint,
 values double precision[]
);

为了访问该表，我使用

val sparkConf = new SparkConf().setAppName("TestRead").setMaster("local[2]")
val sc = new SparkContext(sparkConf)
val sqlContext = new SQLContext(sc)

val jdbcDF = sqlContext.load("jdbc", Map(
  "url" -> "jdbc:postgresql://...",
  "dbtable" -> "schema.test",
  "user" -> "...",
  "password" -> "..."))

sqlContext.sql("SELECT * FROM schema.test")

但是，每当我尝试访问包含此数组的表时，我都会得到java.sql.SQLException: Unsupported type 2003。

我在Spark测试代码中找到了一个示例，它在Spark中为二维点创建了一个UDT（参见ExamplePointUDT.scala）。但是，我不明白我怎么可能使用这段代码。

Answer 1

这可以通过在查询中强制转换来实现，至少在 pyspark 中实现。不要让不受支持的类型到达spark，将它们转移到db，然后在获取表后再将它们抛回。

我不确定语法是否正确，但它会是这样的：

val query_table = "(SELECT id, CAST(values AS TEXT) FROM schema.test) AS casted_table"

val jdbcDF = sqlContext.load("jdbc", Map(
  "url" -> "jdbc:postgresql://...",
  "dbtable" -> query_table,
  "user" -> "...",
  "password" -> "..."))

jdbcDF.map(x => (x.id, x.values.toArray))

我很确定没有.toArray将字符串表示形式转换回数组，它只是占位符代码..但现在只需要正确解析它。

当然，这只是一个补丁，但它确实有效。

SparkSQL和UDT

1 个答案: