Я использую Hive 1.2 и Spark 1.4.1. Следующий запрос отлично работает через Hive CLI:
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;
но когда я пытаюсь использовать его через HiveContext в задании pyspark, это дает мне ошибку:
py4j.protocol.Py4JJavaError: An error occurred while calling o26.sql.
: java.lang.RuntimeException: Couldn't find function current_date
Фрагмент кода:
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()
Есть ли способ получить текущую дату или метку времени в pyspark? Я пытался импортировать дату, дату и время, но он всегда выдает ошибку о том, что функция не найдена.
Я пытался использовать current_date во фреймах данных в песочнице pyspark 1.5, но также получаю другую ошибку.
df = sqlContext.createDataFrame([(current_date,)],[‘d’])
df.select(date_sub(df.d,1).alias('d')).collect()
Ошибка:
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.;
Пожалуйста, порекомендуйте.