在 Spark Scala 中处理微秒 [英] Handling microseconds in Spark Scala

问题描述

我使用 Scala 将 PostgreSQL 表作为数据框导入到 spark 中.数据框看起来像

I imported a PostgreSQL table into spark as a dataframe using Scala. The dataframe looks like

user_id | log_dt  
--------| -------    
96      | 2004-10-19 10:23:54.0    
1020    | 2017-01-12 12:12:14.931652

我正在将此数据帧转换为 log_dt 的数据格式为 yyyy-MM-dd hh:mm:ss.SSSSSS.为此，我使用以下代码使用 unix_timestamp 函数将 log_dt 转换为时间戳格式.

I am transforming this dataframe to have the data format for log_dt as yyyy-MM-dd hh:mm:ss.SSSSSS. To achieve this I used the following code to convert the log_dt to timestamp format using unix_timestamp function.

val tablereader1 = tablereader1Df.withColumn("log_dt",unix_timestamp(tablereader1Df("log_dt"),"yyyy-MM-dd hh:mm:ss.SSSSSS").cast("timestamp"))

当我使用命令 tablereader1.show() 打印 tablereader1 数据帧时，我得到以下结果

When I print to print the tablereader1 dataframe using the command tablereader1.show() I get the following result

user_id | log_dt  
--------| -------
96      | 2004-10-19 10:23:54.0
1020    | 2017-01-12 12:12:14.0

如何将微秒保留为时间戳的一部分?任何建议表示赞赏.

How can I retain the microseconds as part of the timestamp? Any suggestions are appreciated.

推荐答案

Milleseconds with date_format()

你可以使用 Spark SQL date_format() 接受 Java SimpleDateFormat 模式.SimpleDateFormat 只能解析到毫秒模式为S".

Milleseconds with date_format()

You can use Spark SQL date_format() which accepts Java SimpleDateFormat patterns. SimpleDateFormat can parse till milleseconds only with pattern "S".

import org.apache.spark.sql.functions._
import spark.implicits._ //to use $-notation on columns

val df = tablereader1Df.withColumn("log_dt", date_format($"log_dt", "S"))

---

更新:Java 8 的 LocalDateTime 微秒

//Imports
import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.time.temporal.ChronoField;

/* //Commented as per comment about IntelliJ
spark.udf.register("date_microsec", (dt: String) => 
   val dtFormatter = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.n")
   LocalDateTime.parse(dt, dtFormatter).getLong(ChronoField.MICRO_OF_SECOND)
)
*/

import org.apache.spark.sql.functions.udf

val date_microsec = udf((dt: String) => {
    val dtFormatter = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.n")
    LocalDateTime.parse(dt, dtFormatter).getLong(ChronoField.MICRO_OF_SECOND)
})

检查:帮助构建 DateTimeFormatter 模式

使用 ChronoField.NANO_OF_SECOND 而不是 ChronoField.MICRO_OF_SECOND 在 UDF 中获取纳秒.

Use ChronoField.NANO_OF_SECOND instead of ChronoField.MICRO_OF_SECOND to fetch Nanosecond in UDF.

val df = tablereader1Df.withColumn("log_date_microsec", date_microsec($"log_dt"))

这篇关于在 Spark Scala 中处理微秒的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！