apache-spark - 在 Spark SQL 中插入如果不存在 ELSE 更新

Question

是否有任何规定在 Spark SQL 中执行“INSERT IF NOT EXISTS ELSE UPDATE”。

我有包含一些记录的 Spark SQL 表“ABC”。
然后我有另一批记录，我想根据它们是否存在于该表中，在该表中插入/更新。

是否有我可以在 SQL 查询中使用的 SQL 命令来实现这一点？

Answer 1

在常规 Spark 中，这可以通过 join 实现后跟一个 map像这样:

import spark.implicits._
val df1 = spark.sparkContext.parallelize(List(("id1", "orginal"), ("id2", "original"))).toDF("df1_id", "df1_status")
val df2 = spark.sparkContext.parallelize(List(("id1", "new"), ("id3","new"))).toDF("df2_id", "df2_status")

val df3 = df1
  .join(df2, 'df1_id === 'df2_id, "outer")
  .map(row => {
    if (row.isNullAt(2))
      (row.getString(0), row.getString(1))
    else
      (row.getString(2), row.getString(3))
  })

这产生:

scala> df3.show
+---+--------+
| _1|      _2|
+---+--------+
|id3|     new| 
|id1|     new|
|id2|original|
+---+--------+

您也可以使用 select与 udfs而不是 map ，但在这种带有空值的特殊情况下，我个人更喜欢 map变体。