如何从 parquet 文件中选择 13 位时间戳列，将其转换为日期并存储为数据框？

Posted 2023-04-17

【中文标题】如何从 parquet 文件中选择 13 位时间戳列，将其转换为日期并存储为数据框？

【英文标题】：How to select 13 digit timestamp column from parquet file,convert it to date and store as a data frame?

【发布时间】：2019-03-25 05:47:55

【问题描述】：

由于我是 Apache spark 和 Scala 方法的新手，我想执行以下需求。

-从 parquet 文件中读取特定列（13 位时间戳）。

-将时间戳转换为普通日期格式（yyyy-MM-dd HH:mm:ss）。

-将结果存储为数据集中的另一列。

我可以使用以下代码读取时间戳

import org.apache.spark.SparkConf

import org.apache.spark.SparkContext

import org.apache.spark.sql.SQLContext
object Test 

  def main(args: Array[String])
    val conf=new SparkConf().setAppName("TEST_APP").setMaster("local")
    val sc=new SparkContext(conf)
    val sqlcon=new SQLContext(sc)
    val Testdata = sqlcon.read.parquet("D:\\TestData.parquet")
    val data_eve_type_end=Testdata.select(Testdata.col("heading.timestamp")).where(Testdata.col("status").equalTo("Success")).toDF("13digitTime")
  

我尝试使用下面的参考链接转换时间戳

[https://***.com/a/54354790/9493078]

但这对我不起作用。我实际上不知道我是否正确地将数据提取到数据帧中。无论如何都会将输出作为列名 13digitTime 的表和值作为一些大小为 13 位的数字。

当我尝试从上面提到的链接中执行代码时，它会显示错误

WARN Utils: Truncated the string representation of a plan since it was too large. This behavior can be adjusted by setting 'spark.debug.maxToStringFields' in SparkEnv.conf.
Exception in thread "main" org.apache.spark.sql.AnalysisException: cannot resolve '(`13digitTime` / 1000000)' due to data type mismatch:

我期待具有 2 列的数据框，其中一列应包含 13 位时间戳，另一列应包含从 13 位转换为一般日期格式的时间（yyyy-MM-dd HH:mm:ss）。

我希望得到一个解决方案，在此先感谢。

【问题讨论】：

你能添加一些heading.timestamp的例子吗？

@ApurbaPandey 例如：1551552902793

sqlcon.read.parquet 将返回一个数据框本身。您需要做的就是使用 withcolumn 方法添加一个新列。这应该有效。 val data_eve_type_end = Testdata.withColumn("13digitTime", from_unixtime($"heading.timestamp"))

val date_conv=data_eve_type_end.select(col("timestamp_value").as("UNIX TIME"),from_unixtime(col("timestamp_value")/1000).cast("timestamp").as("GENERAL TIME")) @ApurbaPandey 这是我现在的代码。

@ApurbaPandey 它工作正常。感谢您提供宝贵的帮助。如何将此标记为正确答案？

【参考方案1】：

sqlcon.read.parquet 将返回一个数据框本身。您需要做的就是使用 withcolumn 方法添加一个新列。这应该可以。

val data_eve_type_end = Testdata.withColumn("13digitTime", from_unixtime($"heading.timestamp"))

我像这样更新了我的代码，其中 13 位 unix 时间通过除以 1000 转换为 10 位并将其转换为 tiimestamp。

val date_conv=data_eve_type_end.select(col("timestamp_value").as("UNIX TIME"),from_unixtime(col("timestamp_value")/1000).cast("timestamp").as("GENERAL TIME"))

输出是这样的

+-------------+-------------------+
|    UNIX TIME|       GENERAL TIME|
+-------------+-------------------+
|1551552902793|  2019-03-0 6:55:02|