spark - nvl 函数数据类型不匹配错误

Posted 2023-04-17

【中文标题】spark - nvl 函数数据类型不匹配错误

【英文标题】：spark - nvl function data type mismatch error

【发布时间】：2016-12-14 09:22:29

【问题描述】：

在 Spark sql 中使用 JDBC 数据源，我们尝试运行以下查询

select nvl( columnName , 1.0) from tablename

给出错误

cannot resolve 'nvl(tablename.`columnname`, 1.0BD)' due to data type mismatch: input to function coalesce should all be the same type, but it's [decimal(38,10), decimal(2,1)]

我知道我们可以解决这个问题

select nvl( columnname , CAST( 1.0 as decimal(38,10))) from tablename

看起来我需要找到每一列的数据类型并转换为它。

有没有其他办法处理？ 我可以在加载 csv 格式的数据帧时预先给出架构定义吗？ [https://issues.apache.org/jira/browse/SPARK-16848] 如何为每一列转换加载的 Dataframe 数据类型。

【参考方案1】：

您可以在 NVL 上使用 Coalesce 代替。合并的输入被强制转换为“最佳”通用数据类型。 JDBC 连接使用数据库架构作为其架构，因此无法预先提供架构。

您可以通过添加另一个 select 将所有列转换为不同的数据类型，这在数据帧/数据集 API 中很容易：

// Create some toy data.
val df = spark.range(100).select($"id", (rand(2) * 10).as("a"))
df.printSchema

// Define the casts.
val casts = Seq(col("id").cast("int"), col("a").cast("int"))

// Apply the casts.
df.select(casts: _*).printSchema

【讨论】：

感谢您的回复。我理解第 1 点和第 2 点的答案，关于第 3 点“选择”操作的开销是什么。

select 的开销很低（尤其是使用代码生成时）；它可能比某些数据源中发生的转换更快。