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
技术标签:
【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|
【讨论】:
以上是关于如何从 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?的主要内容,如果未能解决你的问题,请参考以下文章
如何修复非法 Parquet 类型:INT64 (TIMESTAMP_MICROS) 错误