Question

我有一个数据框，我想将数据汇总到7天，并对某些功能进行一些聚合。

我有一个像------

这样的pyspark sql数据帧

Sale_Date|P_1|P_2|P_3|G_1|G_2|G_3|Total_Sale|Sale_Amt|Promo_Disc_Amt  |

|2013-04-10| 1| 9| 1| 1| 1| 1| 1| 295.0|0.0|
|2013-04-11| 1| 9| 1| 1| 1| 1| 3| 567.0|0.0| 
|2013-04-12| 1| 9| 1| 1| 1| 1| 2| 500.0|200.0|   
|2013-04-13| 1| 9| 1| 1| 1| 1| 1| 245.0|20.0| 
|2013-04-14| 1| 9| 1| 1| 1| 1| 1| 245.0|0.0|
|2013-04-15| 1| 9| 1| 1| 1| 1| 2| 500.0|200.0|  
|2013-04-16| 1| 9| 1| 1| 1| 1| 1| 250.0|0.0|

我在数据框上应用了一个窗口函数，如下所示 -

days = lambda i: i * 86400
windowSp = Window().partitionBy(dataframeOfquery3["P_1"],dataframeOfquery3["P_2"],dataframeOfquery3["P_3"],dataframeOfquery3["G_1"],dataframeOfquery3["G_2"],dataframeOfquery3["G_3"])\
          .orderBy(dataframeOfquery3["Sale_Date"].cast("timestamp").cast("long").desc())\
          .rangeBetween(-(days(7)), 0)

现在我想执行一些聚合，即应用一些Windows函数，如下所示 -

df = dataframeOfquery3.select(min(dataframeOfquery3["Sale_Date"].over(windowSp).alias("Sale_Date")))
df.show()

但是它给出了以下错误。

py4j.protocol.Py4JJavaError: An error occurred while calling o138.select.
: org.apache.spark.sql.AnalysisException: Could not resolve window function 'min'. Note that, using window functions currently requires a HiveContext;

我正在使用预装在Hadoop上的Apache Spark 1.6.0。

Answer 1

错误表示一切：

py4j.protocol.Py4JJavaError: An error occurred while calling o138.select.
: org.apache.spark.sql.AnalysisException: Could not resolve window function 'min'. Note that, using window functions currently requires a HiveContext;

你需要一个支持hive（使用hive构建）的spark版本，而不是声明一个hivecontext：

val sqlContext = new org.apache.spark.sql.hive.HiveContext(sc)

然后使用该上下文来执行窗口函数。

在python中：

# sc is an existing SparkContext.
from pyspark.sql import HiveContext
sqlContext = HiveContext(sc)

您可以进一步了解SQLContext和HiveContext here之间的区别。

SparkSQL有一个SQLContext和一个HiveContext。 HiveContext是SQLContext的超级集合。 Spark社区建议使用HiveContext。您可以看到，当您运行spark-shell（它是交互式驱动程序应用程序）时，它会自动创建一个定义为sc的SparkContext和一个定义为sqlContext的HiveContext。 HiveContext允许您执行SQL查询以及Hive命令。 pyspark也会出现相同的行为。

窗口函数不适用于Pyspark sqlcontext

1 个答案: