Question

当我尝试将字符串字段转换为Spark DataFrame中的TimestampType时，输出值以微秒精度（yyyy-MM-dd HH:mm:ss.S）出现。但我需要格式为yyyy-MM-dd HH:mm:ss，即不包括微秒精度。另外，我想在写入镶木地板文件时将其保存为时间戳字段。因此，我的字段的数据类型应该是格式yyyy-MM-dd HH:mm:ss

的时间戳

我尝试使用TimestampType作为

col("column_A").cast(TimestampType)
or
col("column_A").cast("timestamp")

将字段转换为时间戳。这些能够将字段转换为时间戳，但具有微秒精度。

任何人都可以帮助将timestamp数据类型保存到具有所需格式规范的镶木地板文件中。
的修改
输入：

val a = sc.parallelize(List(("a", "2017-01-01 12:02:00.0"), ("b", "2017-02-01 11:22:30"))).toDF("cola", "colb")
scala> a.withColumn("datetime", date_format(col("colb"), "yyyy-MM-dd HH:mm:ss")).show(false)
+----+---------------------+-------------------+
|cola|colb                 |datetime           |
+----+---------------------+-------------------+
|a   |2017-01-01 12:02:00.0|2017-01-01 12:02:00|
|b   |2017-02-01 11:22:30  |2017-02-01 11:22:30|
+----+---------------------+-------------------+


scala> a.withColumn("datetime", date_format(col("colb"), "yyyy-MM-dd HH:mm:ss")).printSchema
root
 |-- cola: string (nullable = true)
 |-- colb: string (nullable = true)
 |-- datetime: string (nullable = true)

在上面，我们得到了正确的时间戳格式，但是当我们打印Schema时，datetime字段的类型为String，但我需要一个时间戳类型。

现在，如果我尝试将字段转换为时间戳，则格式设置为微秒精度，这不是预期的。

scala> import org.apache.spark.sql.types._
import org.apache.spark.sql.types._

scala> val a = sc.parallelize(List(("a", "2017-01-01 12:02:00.0"), ("b", "2017-02-01 11:22:30"))).toDF("cola", "colb")
a: org.apache.spark.sql.DataFrame = [cola: string, colb: string]

scala> a.withColumn("datetime", date_format(col("colb").cast(TimestampType), "yyyy-MM-dd HH:mm:ss").cast(TimestampType)).show(false)
+----+---------------------+---------------------+
|cola|colb                 |datetime             |
+----+---------------------+---------------------+
|a   |2017-01-01 12:02:00.0|2017-01-01 12:02:00.0|
|b   |2017-02-01 11:22:30  |2017-02-01 11:22:30.0|
+----+---------------------+---------------------+


scala> a.withColumn("datetime", date_format(col("colb").cast(TimestampType), "yyyy-MM-dd HH:mm:ss").cast(TimestampType)).printSchema
root
 |-- cola: string (nullable = true)
 |-- colb: string (nullable = true)
 |-- datetime: timestamp (nullable = true)

我期待的是格式为yyyy-MM-dd HH:mm:ss，字段的数据类型为timestamp 提前致谢

Answer 1

您可以使用unix_timestamp将字符串日期时间转换为时间戳。

unix_timestamp(Column s, String p)转换时间字符串给定模式（见 [http://docs.oracle.com/javase/tutorial/i18n/format/simpleDateFormat.html]）到Unix时间戳（以秒为单位），如果失败则返回null。

val format = "yyyy-MM-dd HH:mm:ss"
dataframe.withColumn("column_A", unix_timestamp($"date", format))

希望这有帮助！

Answer 2

我认为您缺少的是时间戳/日期时间字段在本机存储中没有可读格式。格式为float或INT96，或者某些格式，具体取决于数据库。格式化日期时间/时间戳以便于阅读一直是一个报告问题（IE，由准备显示数据的工具执行），这就是为什么你注意到当你提供一个字符串格式的日期，它正确地将它转换为存储作为一个字符串。数据库（spark）只存储确切知道时间值的确切内容。

您可以指定时间戳值不具有毫秒，I.E。，毫秒值为0，但不能显示毫秒数。

这类似于在数字列上指定舍入行为（也是报告问题）。

Spark DataFrame中的格式TimestampType - Scala

2 个答案: