如何在 Spark SQL 中使用连字符转义列名
Posted
技术标签:
【中文标题】如何在 Spark SQL 中使用连字符转义列名【英文标题】:How to escape column names with hyphen in Spark SQL 【发布时间】:2015-06-17 11:00:02 【问题描述】:我在 Spark 中导入了一个 json 文件,并将其转换为表格
myDF.registerTempTable("myDF")
然后我想在这个结果表上运行 SQL 查询
val newTable = sqlContext.sql("select column-1 from myDF")
但是,由于column-1
列名称中的连字符,这给了我一个错误。我该如何解决这是 Spark SQL?
【问题讨论】:
尝试用单引号将它们转义 sqlContext.sql("select 'column-1' from myDF") 这不起作用,因为它将'column-1'视为字符串而不是列名。 SQL-99 标准规定双引号 (") 用于分隔标识符。尝试使用双引号,也许将外部的单引号保持在单引号中 以"""select "column-1" from myDF"""
运行查询
【参考方案1】:
反引号 (`) 似乎有效,所以
val newTable = sqlContext.sql("select `column-1` from myDF")
至少在 Spark v1.3.x 中应该可以解决问题。
【讨论】:
【参考方案2】:昨天研究了一下,结果发现有一种方法可以像这样逃避 (:) 和 (.):
只有包含 (:) 的字段需要用反引号转义
sqlc.select("select `sn2:AnyAddRq`.AnyInfo.noInfo.someRef.myInfo.someData.Name AS sn2_AnyAddRq_AnyInfo_noInfo_someRef_myInfo_someData_Name from masterTable").show()
【讨论】:
【参考方案3】:我不能发表评论,因为我的次数少于 50 次
当您使用 struct.struct.field 引用 json 结构并且存在如下命名空间时:
ns2:struct.struct.field 反引号(`) 不起作用。
jsonDF = sqlc.read.load('jsonMsgs', format="json")
jsonDF.registerTempTable("masterTable")
sqlc.select("select `sn2:AnyAddRq.AnyInfo.noInfo.someRef.myInfo.someData.Name` AS sn2_AnyAddRq_AnyInfo_noInfo_someRef_myInfo_someData_Name from masterTable").show()
pyspark.sql.utils.AnalysisException: u"cannot resolve 'sn2:AnyAddRq.AnyInfo.noInfo.someRef.myInfo.someData.Name
'
如果我删除 sn2: 字段,则执行查询。
我也尝试过使用单引号 (')、反斜杠 (\) 和双引号 ("")
如果我在 sn2: 结构上注册另一个临时表,它的唯一工作方式,我可以像这样访问其中的字段
anotherDF = jsonDF.select("sn2:AnyAddRq.AnyInfo.noInfo.someRef.myInfo.someData")
anotherDF.registerTempTable("anotherDF")
sqlc.select("select Name from anotherDF").show()
【讨论】:
【参考方案4】:这就是我所做的,也适用于Spark 3.x
。
我在我的程序顶部(或某些global scope
)定义了函数litCol()
:
litCols = lambda seq: ','.join(('`'+x+'`' for x in seq)) # Accepts any sequence of strings.
然后根据需要应用它来准备我的文字化SELECT
列。这是一个例子:
>>> UNPROTECTED_COLS = ["RegionName", "StateName", "2012-01", "2012-02"]
>>> LITERALIZED_COLS = litCols(UNPROTECTED_COLS)
>>> print(LITERALIZED_COLS)
`RegionName`,`StateName`,`2012-01`,`2012-02`
此示例中存在问题的column names
是YYYY-MM
列,Spark
将解析为表达式,分别导致2011
和2010
。
【讨论】:
以上是关于如何在 Spark SQL 中使用连字符转义列名的主要内容,如果未能解决你的问题,请参考以下文章