spark sql日期间隔sql查询不起作用

Posted 2023-04-18

【中文标题】spark sql日期间隔sql查询不起作用

【英文标题】：spark sql date interval sql query not working

【发布时间】：2018-09-06 12:19:06

【问题描述】：

我的目标是每天每隔 15 分钟显示一次数据（来自 csv 文件）。

我提出的解决方案是创建我需要的数据的 sql 查询：

select 
    dateadd(minute, datediff(minute, 0, cast ([date] + ' ' + [time] as datetime2) ) / 15 * 15, 0) as dateInterval,
    SecurityDesc,
    StartPrice,
    SUM(CAST(TradedVolume as decimal(18,2))) as totalTradedVolume,
    SUM(cast(NumberOfTrades as int)) as totalNumberOfTrades,
    ROW_NUMBER() over(PARTITION BY dateadd(minute, datediff(minute, 0, cast ([date] + ' ' + [time] as datetime) ) / 15 * 15, 0) ORDER BY Date) as rn
from MyTable
group by [date],[time],SecurityDesc,StartPrice

但是一旦我想在我的 Spark python 代码中使用它，它就会抱怨 datediff/dateadd 甚至转换为 datetime。

我知道它可能看不到 sql 函数，但我已经导入：

from pyspark import SparkContext, SparkConf
from pyspark.sql import SQLContext
from pyspark.sql import Row
import pyspark.sql.functions as F
from datetime import datetime as d
from pyspark.sql.functions import datediff, to_date, lit

我应该怎么做才能让它工作？我更喜欢让我的查询工作，如果不是一般我可以在 spark python 中显示每 15 分钟的聚合数据吗？

更新：希望得到类似的数据结果：

【参考方案1】：

你已经导入了带有别名的函数（我认为这是一个很好的做法）：

import pyspark.sql.functions as F

这意味着您需要使用F 变量来使用F.to_date 等导入函数。您使用的函数是 SQL 查询函数，不属于 pyspark.sql.functions 中可用的实际函数（可用函数列表请参阅文档here）

为了解决您在 Spark 中的问题，我将使用一个 dataFrame，然后使用 spark 函数对其进行计算以计算您的结果。

P.S 下一次，最好发布实际的错误消息，而不是说 spark“抱怨”;)