如何在 spark 2.4.1 中将 jdbc/partitionColumn 类型设置为日期

Question

我正在尝试使用 spark-sql-2.4.1 版本从 oracle 检索数据。我尝试将 JdbcOptions 设置如下：

    .option("lowerBound", "31-MAR-02");
    .option("upperBound", "01-MAY-19");
    .option("partitionColumn", "data_date");
    .option("numPartitions", 240);

但是报错：

    java.lang.IllegalArgumentException: Timestamp format must be yyyy-mm-dd hh:mm:ss[.fffffffff]
        at java.sql.Timestamp.valueOf(Timestamp.java:204)
        at org.apache.spark.sql.execution.datasources.jdbc.JDBCRelation$.toInternalBoundValue(JDBCRelation.scala:179)

然后尝试如下

    .option("lowerBound", "2002-03-31"); //changed the date format
    .option("upperBound", "2019-05-02");
    .option("partitionColumn", "data_date"); 
    .option("numPartitions", 240);

仍然没有运气。那么将日期传递为 "lower/upperBound" 的正确方法是什么？有没有办法specify/set选项参数数据类型？

第 2 部分 正确检查选项。在执行查询之前，它们在两者之间被覆盖。所以更正了。 ...现在错误已解决。

但对于以下选项：

.option("lowerBound", "2002-03-31 00:00:00"); 
.option("upperBound", "2019-05-01 23:59:59");
.option("timestampFormat", "yyyy-mm-dd hh:mm:ss");

查询字符串：

query ->  ( SELECT * FROM MODEL_VALS ) T

它抛出另一个错误：

java.sql.SQLException: ORA-12801: error signaled in parallel query server P022, instance nj0005

ORA-01861: literal does not match format string

Answer 1

给定参数的类型为时间戳，但您提供的是唯一的日期。时间戳的格式为 yyyy-mm-dd hh:mm:ss，因此您需要相应地提供 2002-03-31 00:00:00 和 2019-05-01 23:59:59 的日期...

Answer 2

必须以这种方式设置以下所有选项才能使其正常工作：

spark.read
      .option("header", true)
      .option("inferSchema", true)
      .option("timestampFormat", "MM/dd/yyyy h:mm:ss a")
      .csv("PATH_TO_CSV")

Answer 3

我在解决类似问题时偶然发现了这个问题。但在这种情况下，Spark 2.4.2 以 'yyyy-MM-dd HH:mm:ss.ssss' 格式向 Oracle 发送日期，并按预期返回 "Not a valid month" 'dd-MMM-yy HH:mm:ss.ssss'。为了解决这个问题，我遵循了：Spark GitHub Link ，它说：

Override beforeFetch method in OracleDialect to finish the following two things:

Set Oracle's NLS_TIMESTAMP_FORMAT to "YYYY-MM-DD HH24:MI:SS.FF" to match java.sql.Timestamp format. Set Oracle's NLS_DATE_FORMAT to "YYYY-MM-DD" to match java.sql.Date format.

它解决了这个问题。希望对你有帮助。

Answer 4

如果您使用的是 Oracle，请参阅 https://github.com/apache/spark/blob/master/external/docker-integration-tests/src/test/scala/org/apache/spark/sql/jdbc/OracleIntegrationSuite.scala#L441

val df1 = spark.read.format("jdbc")
      .option("url", jdbcUrl)
      .option("dbtable", "datetimePartitionTest")
      .option("partitionColumn", "d")
      .option("lowerBound", "2018-07-06")
      .option("upperBound", "2018-07-20")
      .option("numPartitions", 3)
      // oracle.jdbc.mapDateToTimestamp defaults to true. If this flag is not disabled, column d
      // (Oracle DATE) will be resolved as Catalyst Timestamp, which will fail bound evaluation of
      // the partition column. E.g. 2018-07-06 cannot be evaluated as Timestamp, and the error
      // message says: Timestamp format must be yyyy-mm-dd hh:mm:ss[.fffffffff].
      .option("oracle.jdbc.mapDateToTimestamp", "false")
      .option("sessionInitStatement", "ALTER SESSION SET NLS_DATE_FORMAT = 'YYYY-MM-DD'")
      .load()

如何在 spark 2.4.1 中将 jdbc/partitionColumn 类型设置为日期

How to set jdbc/partitionColumn type to Date in spark 2.4.1

apache-spark

apache-spark-sql

databricks