大负十进制值在带有十进制类型的spark DataFrame中取整

Question

在以下问题上寻求帮助。我们正在使用spark从Oracle引入数据，并且列数据类型之一是number（28,5），对于较小的值，它可以正常工作，但是如果较大的负值，则数据将被截断，例如-544205937126085.125将转换为-544205937126085.100，我在本地尝试过，但问题出在，并且发出相同的问题。

import org.apache.spark.sql.SparkSession

object DecimalIssue {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().master("local")
      .appName("Decimal Issue")
      .getOrCreate()

    spark.sparkContext.setLogLevel("ERROR")

    import  spark.implicits._


    val df = Seq((1234,1234.50),
      (1234,-544205937126085.125 ),
        (1234,200.567),
      (1234,-200.567)
    ).toDF("smallvalue","bigvalue")


    val df2 = df.select($"smallvalue",$"bigvalue".cast("decimal(28,5)"))

    df2.show(10,false)
    df2.printSchema()
  }

}

以及上述代码的输出。

+----------+----------------------+
|smallvalue|bigvalue              |
+----------+----------------------+
|1234      |1234.50000            |
|1234      |-544205937126085.10000|
|1234      |200.56700             |
|1234      |-200.56700            |
+----------+----------------------+

root
 |-- smallvalue: integer (nullable = false)
 |-- bigvalue: decimal(28,5) (nullable = true)

理想情况下，我正在寻找输出

+----------+----------------------+
|smallvalue|bigvalue              |
+----------+----------------------+
|1234      |1234.50000            |
|1234      |-544205937126085.12500|
|1234      |200.56700             |
|1234      |-200.56700            |
+----------+----------------------+

root
 |-- smallvalue: integer (nullable = false)
 |-- bigvalue: decimal(28,5) (nullable = true)

编辑：即使是正值也会给出截断的结果。

[已添加数据，例如JSON消息

object DecimalIssue {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().master("local")
      .appName("Decimal Issue")
      .getOrCreate()

    spark.sparkContext.setLogLevel("ERROR")

//    (1234, "1234.50"),
//    (1234, "544205937126085.125"),
//    (1234, "200.567"),
//    (1234, "-200.567")
    val customSchema = new StructType(Array(
  StructField("smallvalue",LongType,true),
  StructField("bigvalue",StringType,true)
))
    import spark.implicits._

    val data = "{"smallvalue":1234,"bigvalue":544205937126085.125}"
    val df = Seq( data
    ).toDF("data")

    val df1 = df.select(from_json($"data",customSchema).as("orig")).select("orig.*")

    df1.show(10,false)
    df1.printSchema()

    val  tryBigDecimal: String => BigDecimal = BigDecimal(_)
    val bigUDF = udf(tryBigDecimal)

    val bigDecimalUDF = udf(tryBigDecimal)
    val df2 = df1.select($"smallvalue", bigUDF($"bigvalue").cast("decimal(28,5)"))


    df2.show(10, false)
    df2.printSchema()
  }


}

但给出相同的结果

预先感谢。