Spark数据集：表数据与创建它的视图不完全相同

Question

我的代码与此完全相似。这里只更改了变量和表名。请在输入时忽略任何语法错误。原始代码编译成功。

------ ------ CODE

Dataset<Row> test = sqlContext.sql("select * from test_table");

test.createOrReplaceTempView("temp_view_test");

sqlContext.sql("drop table if exist new_table");
sqlContext.sql("create table new_table as select * from temp_view_test");

//Code to print counts

//count if dataset
System.out.println("test count:"+test.count());

//count of temp view
Dataset<Row> tempViewTestData = sqlContext.sql("select * from temp_view_test");
System.out.println("temp view count: "+tempViewTestData.count());

//count of newly created table
Dataset<Row> newTableData = sqlContext.sql("select * from new_table");
System.out.println("New Table count: "+newTableData .count());

----- ---- OUTPUT

测试次数：9422720 临时查看次数：9422720 新表数：9520364

----- -----问题

我的问题是为什么新表的计数与临时视图的计数不同。我应该怎么做才能使两个计数相同。

Answer 1

最后我得到了解决方案。这是因为数据集中存在日文字符。如果出现类似的问题，可以考虑这一点。