私はHive 1.2とSpark 1.4.1を使用しています。hiveContext経由のSpark JobでHive関数を使用する
hive> select row_number() over (partition by one.id order by two.id) as sk,
two.id, two.name, one.name, current_date()
from avant_source.one one
inner join avant_source.two two
on one.id = two.one_id;
が、私はそれは私にエラーを与えるpysparkジョブでHiveContextを経由して、それを使用しよう:
py4j.protocol.Py4JJavaError: An error occurred while calling o26.sql.
: java.lang.RuntimeException: Couldn't find function current_date
コードスニペット:
from pyspark import HiveContext
conf = SparkConf().setAppName('DFtest')
sc = SparkContext(conf=conf)
sqlContext = HiveContext(sc)
df = sqlContext.sql("select row_number() over (partition by one.id order by two.id) as sk, two.id, two.name, one.name, current_date() from avant_source.one one inner join avant_source.two two on one.id = two.one_id")
df.show()
sc.stop()
次のクエリでは、ハイブCLI経由で完全に正常に動作します
pysparkに現在の日付またはタイムスタンプを取得する方法はありますか?私はdatetimeをインポートしようとしましたが、関数が見つからないというエラーが常にスローされます。
pyspark 1.5 SandboxのData Framesでcurrent_dateを使用しようとしましたが、別のエラーも発生しました。
df = sqlContext.createDataFrame([(current_date,)],[‘d’])
df.select(date_sub(df.d,1).alias('d')).collect()
エラー:
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/opt/mapr/spark/spark-1.5.2/python/pyspark/sql/dataframe.py", line 769, in select
jdf = self._jdf.select(self._jcols(*cols))
File "/opt/mapr/spark/spark-1.5.2/python/lib/py4j-0.8.2.1-src.zip/py4j/java_gateway.py", line 538, in __call__
File "/opt/mapr/spark/spark-1.5.2/python/pyspark/sql/utils.py", line 40, in deco
raise AnalysisException(s.split(': ', 1)[1])
pyspark.sql.utils.AnalysisException: cannot resolve 'datesub(d,1)' due to data type mismatch: argument 1 requires date type, however, 'd' is of struct<> type.;
お知らせください。私のシナリオでは
なぜF.current_date()を使用していますか? – eliasah
シンプルなcurrent_date()が動作しなかったので、私はpとしてpyspark.sqlインポート関数から使用しようとしました。そしてそれはまたエラーを出していたが、F.を取ることを忘れてしまった。 – learning