我正在解析一个数据为
的csv文件03-10-2016,18:00:00,2,6
当我正在阅读文件创建架构时,如下所示
StructType schema = DataTypes.createStructType(Arrays.asList(
DataTypes.createStructField("Date", DataTypes.DateType, false),
DataTypes.createStructField("Time", DataTypes.TimestampType, false),
DataTypes.createStructField("CO(GT)", DataTypes.IntegerType, false),
DataTypes.createStructField("PT08.S1(CO)", DataTypes.IntegerType, false)))
Dataset<Row> df = spark.read().format("csv").option("Date", "dd-MM-yyyy").schema(schema).load("src/main/resources/AirQualityUCI/sample.csv");
产生以下错误
Exception in task 0.0 in stage 0.0 (TID 0)
java.lang.IllegalArgumentException
at java.sql.Date.valueOf(Unknown Source)
at org.apache.spark.sql.catalyst.util.DateTimeUtils$.stringToTime(DateTimeUtils.scala:137)
我觉得这是由于日期格式错误造成的。将它们转换为特定格式的方法有哪些?
答案 0 :(得分:4)
在阅读CSV文件时使用mapDefault
选项,如下所示:
dateFormat
val csvs = spark.
read.
format("csv").
option("dateFormat", "dd-MM-yyyy"). // <-- should match 03-10-2016
load(...)
的默认设置为dateFormat
,因此您发现解析错误并不奇怪。
引自valueOf的javadoc:
引发
yyyy-MM-dd
- 如果给定的日期不是JDBC日期转义格式(yyyy- [m] m- [d] d)
这意味着IllegalArgumentException
的解析器的值不正确。
我在这里有两条建议:
阅读数据集并valueOf
查看数据集,了解您的内容。
使用show
选项定义正确的格式(默认情况下为dateFormat
)
详细了解Date and Time Patterns(yyyy-MM-dd
)中的格式模式。