postgresql - spark 将字符串转换为 TimestampType

标签 postgresql datetime apache-spark jdbc

我有一个数据框,我想将其插入到 Spark 中的 Postgresql 中。在 spark 中,DateTimestamp 列为字符串格式。在 postgreSQL 中,它是没有时区的 TimeStamp。

在日期时间列上插入数据库时​​引发错误。我确实尝试更改数据类型,但插入仍然出错。我无法弄清楚为什么转换不起作用。如果我将相同的插入字符串粘贴到 PgAdmin 中并运行,插入语句运行正常。

import java.text.SimpleDateFormat;
import java.util.Calendar
object EtlHelper {
 // Return the current time stamp

  def getCurrentTime() : String = {    
    val now = Calendar.getInstance().getTime()   
    val hourFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss")   
    return hourFormat.format(now)   
  }
 }  

在另一个文件中

object CreateDimensions {

def createDimCompany(spark:SparkSession, location:String, propsLocation :String):Unit = {      
import spark.implicits._    

val dimCompanyStartTime = EtlHelper.getCurrentTime()
val dimcompanyEndTime = EtlHelper.getCurrentTime()
val prevDimCompanyId = 2
val numRdd = 27
val AuditDF = spark.createDataset(Array(("dim_company", prevDimCompanyId,numRdd,dimCompanyStartTime,dimcompanyEndTime))).toDF("audit_tbl_name","audit_tbl_id","audit_no_rows","audit_tbl_start_date","audit_tbl_end_date")//.show()

AuditDF.withColumn("audit_tbl_start_date",AuditDF.col("audit_tbl_start_date").cast(DataTypes.TimestampType))
AuditDF.withColumn("audit_tbl_end_date",AuditDF.col("audit_tbl_end_date").cast(DataTypes.TimestampType))

AuditDF.printSchema()
}  
}

root
 |-- audit_tbl_name: string (nullable = true)
 |-- audit_tbl_id: long (nullable = false)
 |-- audit_no_rows: long (nullable = false)
 |-- audit_tbl_start_date: string (nullable = true)
 |-- audit_tbl_end_date: string (nullable = true)

这是我得到的错误

INSERT INTO etl.audit_master ("audit_tbl_name","audit_tbl_id","audit_no_rows","audit_tbl_start_date","audit_tbl_end_date") VALUES ('dim_company',27,2,'2018-05-02 12:15:54','2018-05-02 12:15:59') was aborted: ERROR: column "audit_tbl_start_date" is of type timestamp without time zone but expression is of type character varying
  Hint: You will need to rewrite or cast the expression.

感谢任何帮助。

谢谢

最佳答案

AuditDF.printSchema() 采用原始 AuditDF 数据帧,因为您没有通过分配保存 .withColumn 的转换。 数据帧是不可变的对象,可以转换为另一个数据帧但不能改变自身。因此,您始终需要一个分配来保存您应用的转换。

所以正确的方法是分配以保存更改

val transformedDF = AuditDF.withColumn("audit_tbl_start_date",AuditDF.col("audit_tbl_start_date").cast(DataTypes.TimestampType))
                          .withColumn("audit_tbl_end_date",AuditDF.col("audit_tbl_end_date").cast("timestamp"))

transformedDF.printSchema()

你会看到变化

root
 |-- audit_tbl_name: string (nullable = true)
 |-- audit_tbl_id: integer (nullable = false)
 |-- audit_no_rows: integer (nullable = false)
 |-- audit_tbl_start_date: timestamp (nullable = true)
 |-- audit_tbl_end_date: timestamp (nullable = true)

.cast(DataTypes.TimestampType).cast("timestamp") 都是一样的

关于postgresql - spark 将字符串转换为 TimestampType,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50142142/

相关文章:

postgresql - 为什么 PostgreSql 的 Hibernate 默认生成器是 "SequenceGenerator",而不是 "IdentityGenerator"?

php - STRTOTIME 从 mysql 获取日期和数据并在 php 上连接它们

php - 从 MySQL 查询中排除特定假期

java - 将递增的整数 Id 添加到 JavaRDD

sql - 在 WHERE 子句中使用 NULL

postgresql - 记录设置为 SECURITY DEFINER 的 Postgres 函数的调用程序

sql - 两列之间的天数 SQL

c# - 将 JSON DateTime 值转换为零值的最佳方法(例如 "0000-00-00 00:00:00")

java - 从 Java Spark 读取时未读 block 数据

python - Spark结构化流: parquet partition name uniqueness