火花时差

Question

从spark 1.5.x开始，我们添加了一些方便的方法来处理时间。

df.select(datediff($"A", $"B")).show

但这会以天为单位返回差异。有没有选择将其转换为不同的间隔，例如年？

手动我用过

df.select(year($"A")- year($"B")).show

这是足够好的。但如果更准确地计算日期差异会更好，例如包括显示http://howtodoinjava.com/for-fun-only/java-code-to-calculate-age-from-date-of-birth/

之类的月/日

UDF是当前spark 2.0.2的首选解决方案吗？或者我错过了将差异转换为天数的选项，例如年？

Answer 1

Timestamp类型可以在几秒钟内转换为Unix时间戳。如果这个分辨率对你来说足够好，剩下的只是一堆算术运算。您可以在几秒钟内计算差异：

import org.apache.spark.sql.Column

def secondsBetween(col1: Column, col2: Column) =
  col2.cast("timestamp").cast("bigint") - col1.cast("timestamp").cast("bigint")

并根据您的需要重新抽样，例如：

def minutesBetween(col1: Column, col2: Column) =
  (secondsBetween(col1, col2) / 60).cast("bigint")

显然，这并不能处理日期和时间处理的所有微妙之处，如夏令时或闰秒，所以如果这些在您的域中很重要，那么建议使用带有适当时间处理库的UDF。