SparkSQL 和 UDT
Posted
技术标签:
【中文标题】SparkSQL 和 UDT【英文标题】:SparkSQL and UDT 【发布时间】:2015-03-16 16:56:50 【问题描述】:我尝试使用 SparkSQL (v.1.3.0) 访问 PostgreSQL 数据库。在这个数据库中我有一个表
CREATE TABLE test (
id bigint,
values double precision[]
);
为了访问表格,我使用
val sparkConf = new SparkConf().setAppName("TestRead").setMaster("local[2]")
val sc = new SparkContext(sparkConf)
val sqlContext = new SQLContext(sc)
val jdbcDF = sqlContext.load("jdbc", Map(
"url" -> "jdbc:postgresql://...",
"dbtable" -> "schema.test",
"user" -> "...",
"password" -> "..."))
sqlContext.sql("SELECT * FROM schema.test")
但是,每次我尝试访问包含此数组的表时,我都会得到一个 java.sql.SQLException: Unsupported type 2003
。
我在 Spark 测试代码中找到了一个示例,该示例在 Spark 中为二维点创建 UDT(请参阅 ExamplePointUDT.scala)。但是,我不明白我怎么可能使用这个代码。
【问题讨论】:
今天在研究 SparkSQL UDT 时,我发现它还不是一个稳定的公共 API,每个 mailing list 和 source annotation/comments。 即使在使用 spark 通过 jbdc 访问 hive2 服务器时,我也会收到此错误,例如 hive.load("jdbc", Map("url" -> "jdbc:hive2://ip:port /;auth=noSasl", "driver" -> "org.apache.hive.jdbc.HiveDriver", "dbtable" -> "default.weeks", "user" -> "user", "password" -> " " )) 【参考方案1】:至少在 pyspark 中可以通过在查询中进行强制转换来实现这一点。 不要让不受支持的类型达到火花,将它们投射到您的数据库,然后在获得表格后将它们投射回来。
我不确定语法是否正确,但它会是这样的:
val query_table = "(SELECT id, CAST(values AS TEXT) FROM schema.test) AS casted_table"
val jdbcDF = sqlContext.load("jdbc", Map(
"url" -> "jdbc:postgresql://...",
"dbtable" -> query_table,
"user" -> "...",
"password" -> "..."))
jdbcDF.map(x => (x.id, x.values.toArray))
我很确定没有.toArray
会将字符串表示形式转换回数组,它只是占位符代码。但现在只是正确解析它的问题。
当然,这只是一个补丁,但它可以工作。
【讨论】:
以上是关于SparkSQL 和 UDT的主要内容,如果未能解决你的问题,请参考以下文章